对话00:27
00:00
00:27
双主持播客
Seed Audio 1.5 AI 音频生成器
一句提示词，让对白带上情绪，让配乐、环境声与音效共同营造故事氛围。免费体验声音创作。
0 / 5000
试试：··
模板
文本转音频
音频转音频
视频转音频
对话00:25
00:00
00:25
双人直播带货
声音场景00:36
00:00
00:36
神话宣告
对话00:24
00:00
00:24
古装喜剧
6 分钟
单次生成时长
让对话和情节在更完整的场景中展开。
6
段参考音频
用多段录音引导不同角色的声音表现。
30
种语言及地区变体
为不同地区的听众创作贴近语境的对白。
4
种输入组合
从文本开始，也可搭配音频和视频。
从脚本到完整声音场景
Seed Audio 1.5，声音场景创作一步到位
SeedAudio 1.5 是字节跳动音频创作模型的最新演进，面向完整声音场景而设计。它可在同一创作流程中生成对白、音乐、环境声与音效，并在 1.0 的基础上支持更长的输出、更多声音参考和视频引导输入，同时提供独立音轨，方便后期制作。
写提示词时，先交代谁在说话、身处何处，以及场景中会发生什么变化。生成后，你可以把各层声音导入编辑器，单独调整音量与层次，无需为了修改一处细节重新生成整个场景。
把创作意图写进提示词
让每一种声音各就其位
写清楚哪些声音需要被听见，哪些只需在背景中烘托氛围。
让对白融入场景
先介绍说话的角色，再描述房间、背景声音和配乐。随着对话推进，让场景氛围保持连贯。
给情节留出展开空间
单次最长 6 分钟，可以在同一份提示词中安排开场、转折与收尾，让场景有完整的起伏。
为角色指定声音参考
最多使用 6 段参考录音，引导声线与表达。请明确标出每段录音对应的角色，让声音分配更清楚。
让语言贴近当地语境
覆盖 30 种语言及地区变体。写明语言、口音和目标听众，让对白更符合故事发生的地方。
把台词的情绪演出来
平稳的语速、犹豫的回答，或开口前的一声轻笑，都可以写进提示词。具体的表演要求比笼统的情绪标签更有帮助。
用时间戳安排声音出场
标出人声、音效或音乐的预期进入时间。先用它确定创作方向，再通过四条独立音轨细调时机。
多种输入方式
通过脚本、声音或视频，开始创作
根据手头的素材选择输入方式：写好的脚本、想参考的声音，或等待配音的视频。
文本
当脚本与声音描述已足够完整时，直接用文字交代整个场景。
声音场景文本 + 音频
当你有想参考的声线或表达方式时，加入录音来引导声音表现。
声音场景文本 + 视频
当画面已经确定时，用视频提供场景环境与可见动作。
声音场景文本 + 音频 + 视频
同时提供画面与参考录音，让场景线索和声音表现都有依据。
声音场景用 SeedAudio 1.5 创作声音场景
写清楚场景需求，试听生成结果，再在编辑器里完成最后的节奏调整。
- 01
写下场景与台词
交代每位角色的身份并写好对白，再补充环境与能体现空间感的声音。
- 02
选好参考素材
用录音引导角色声音，用视频交代画面。说明每份素材需要参考的部分。
- 03
标出关键节奏
描述角色的表达方式，提示音效和配乐何时进入，并在需要时留出停顿。
- 04
试听并细调
先检查台词与声音平衡，再通过独立音轨调整时机、音量和转场。
跟着画面安排声音
让声音在动作发生时响起
以这个飞船场景为例：先安排机械声，为领航员的回应留出空间，再引入克制的电子乐节奏。下方时间戳用于提示声音进入的时机，实际位置可在编辑器中对照视频微调。
- 00:03
继电器轻响两声，背景通风声持续。
- 00:08
领航员低声说：“保持位置，等信号恢复。”
- 00:17
回应结束后，轻柔的合成器节奏渐入，保持人声清晰。
生成之后，继续打磨
四条音轨，分别调整到位
下图以飞船场景为例，展示一段 24 秒的分轨编辑思路：给台词留出空间，让通风声贯穿全段，在对白前放入继电器声，并在回应后引入音乐。波形仅用于说明各层声音的编排，并非实际生成的录音。
00:0000:0800:1600:24
对白
为领航员的回应留出停顿
环境声
让通风声平稳贯穿整个片段
音效
将继电器声安排在台词之前
音乐
在对白结束后引入合成器节奏
当故事需要完整的声音
让环境也参与叙事
从角色的声音到周围的动静，一起构成可信的场景。生成的音频可以作为下一轮剪辑的起点。
角色剧情
用环境底噪、人物动作和适度的配乐，为一段对话建立具体的空间。
播客片段
为开场、故事旁白或情景对话制作初稿。发布前，检查人名、停顿和表达是否自然。
视频配音初稿
借助画面交代环境和动作，再检查翻译后的台词，并在后期调整对白时长。
影视与游戏声音草稿
在确定最终混音前，先尝试氛围与音效的组合。保留独立音轨，方便继续修改。
Seed Audio 1.5 与 1.0 对比
两个版本都能创作完整声音场景。1.5 支持更长的输出、更多参考音频、视频输入与独立分轨。短场景可选 1.0；需要更长篇幅或更灵活的后期编辑时，可关注 1.5。
| 能力 | Seed Audio 1.5 · 即将上线 | Seed Audio 1.0 |
|---|---|---|
| 单次音频时长 | 最长 6 分钟 | 最长 2 分钟 |
| 参考音频数量 | 最多 6 段 | 最多 3 段 |
| 语言与地区变体 | 30 种语言及地区变体 | 20 多种语言 |
| 输入组合 | 文本；文本 + 音频；文本 + 视频；文本 + 音频 + 视频 | 文本；文本 + 音频；文本 + 图片 |
| 音轨输出 | 对白、环境声、音效和音乐独立分轨 | 多音轨生成被列为后续发展方向 |
| 时间控制 | 通过时间戳提示对白、音效、环境声和音乐的进入时机 | 支持对白时间控制；公开资料提及 100 毫秒间隔 |
Seed Audio 1.5 常见问题
了解生成时长、声音参考、语言支持和商业使用条件。
可以免费试用 Seed Audio 1.5 吗？
Seed Audio 1.5 即将上线，本站当前提供 Seed Audio 1.0，并设有有限的免费额度，方便你通过短音频预览评估提示词和声音效果。更长的输出和更多使用量取决于所选方案，具体额度与方案详情请查看价格页面。
一次最多能生成多长的音频？
1.5 版本支持单次最长 6 分钟，1.0 版本则为 2 分钟。更长的时长适合连贯对话、故事旁白和逐步变化的声音场景。建议在提示词中写明预期时长与段落安排；6 分钟是上限，并不代表每次都需要生成这么长。
Seed Audio 1.5 相比 1.0 有哪些变化？
两个版本都能在完整声音场景中生成对白。1.5 将单次时长延长至 6 分钟，参考音频从最多 3 段增至 6 段，覆盖 30 种语言及地区变体；同时加入视频引导输入，并将对白、环境声、音效和音乐分别输出为独立音轨。如果只需要较短的场景，也不依赖这些新增能力，1.0 仍可满足需求。
Seed Audio 1.5 能克隆声音吗？
模型支持通过参考音频引导声音生成。录音可用于引导角色声线、音色、口音和表达方式，文字指令则能进一步调整情绪、风格与语速。这有助于延续同一角色的声音，但不保证精确还原某个真人。请只使用你拥有相应权利或已获授权的参考录音。
Seed Audio 1.5 支持哪些语言？
支持范围涵盖 30 种语言及地区变体，公开示例包括英语、中文、日语、韩语、德语、法语、墨西哥西班牙语和巴西葡萄牙语。地区变体已计入这 30 种之中，并非额外增加 30 种语言。创作面向特定地区的对白时，建议明确写出语言、口音和发音要求。
生成的音频可以商用吗？
在所选方案允许且符合服务条款的前提下，生成内容可用于商业项目。你还需要拥有脚本、参考录音及其他输入素材的相应使用权。将作品用于广告、游戏、影视或其他公开项目之前，请确认成品不侵犯第三方权利。
生成声音场景一定要上传视频吗？
不需要。文本模式可直接根据文字描述生成场景；搭配参考音频时，也能在没有视频的情况下引导角色声音。只有选择视频引导模式时才需要上传视频，由画面提供场景、动作以及对白和配乐的相关线索。
写下脚本，让场景有声有色
写好台词，交代场景，再告诉模型：你希望听众先听见什么。