Guide des prompts de Seed Audio 1.0

Seed Audio 1.0 peut recevoir la description d’une scène sonore : pluie entendue dans une pièce, suite de pas et de portes, ou musique ponctuée d’un effet. Le dialogue est un usage parmi l’ambiance, le bruitage et la musique.

Écrivez les sons dans l’ordre où ils doivent être entendus. Précisez leur place et leur intensité, puis le changement suivant. Utilisez T2A pour explorer et TA2A lorsqu’un audio de référence doit guider la scène.

Trois scènes sonores à écouter

Ces trois clips ont été générés pour ce guide avec Seed Audio 1.0 et les prompts anglais exacts ci-dessous. Aucun ne demande de parole. Ils illustrent l’ambiance, le bruitage et la musique avec effets, séparément des modèles de dialogue présentés ensuite. Chaque demande indiquait 20 secondes ; les lecteurs affichent la durée réelle.

Pour préparer une scène, définissez d’abord l’idée visuelle dans le générateur de courts drames par IA, puis écrivez le son selon les actions et le rythme.

01 Pluie à la fenêtre : ambiance

Écoutez la pluie continue, la distance du tonnerre et le retour à la pluie seule. Décrivez premier plan et arrière-plan plutôt qu’une simple liste de sons.

Create a 20-second natural soundscape heard from inside a quiet room at night. Gentle rain taps the window throughout. Around the middle, one distant rumble of thunder swells and fades. End with rain alone. Keep the space intimate and the thunder soft. No speech, no singing, no music.

02 Quelqu’un rentre : bruitages en séquence

Vérifiez que les clés, la serrure, la porte, les pas et le verre restent distincts et suivent l’ordre demandé. Le résultat dure environ 16 secondes au lieu des 20 demandées : contrôlez la durée avant le montage.

Create a 20-second realistic Foley sequence in a quiet hallway. First, keys jingle close by. A key turns in a lock, then a wooden door opens with a soft creak. Three unhurried footsteps cross the room. A glass is set gently on a table. The door closes softly, leaving quiet room tone. Make each action distinct and keep this order. No speech, no singing, no music.

03 Une petite découverte magique : musique et effets

Écoutez l’équilibre entre les instruments discrets, la clochette et l’accent magique. La musique et chaque effet doivent avoir un rôle clair.

Create a 20-second whimsical fantasy sound scene. Begin with light pizzicato strings and a gentle wooden flute. A tiny shop bell rings once; a short sparkling magical whoosh follows. The music briefly lifts as if a small wonder has appeared, then settles into a warm, quiet ending. Keep the bell and magic sound clear above the soft music. No speech, no singing.

Choisir d'abord T2A ou TA2A

T2A, du texte ou de l'image vers l'audio, permet de créer à partir de zéro : voix de personnages, narration, courtes scènes, présentateurs virtuels et passages de livres audio. Une image de référence peut apporter des indications visuelles sur le personnage. Chaque requête accepte une seule image, sans combinaison avec un audio de référence.

TA2A, du texte accompagné d'audio de référence vers l'audio, aide à conserver une identité vocale. Importez de 1 à 3 références audio, ou utilisez une voix de bibliothèque ou clonée, puis désignez-la explicitement par @audio1, @audio2 ou @voice1.

• Utilisez T2A pour explorer différentes interprétations.
• Utilisez TA2A lorsqu'un personnage récurrent doit garder une voix reconnaissable.
• Avec plusieurs interlocuteurs, associez chaque personnage à la bonne référence dans le prompt.

Structure principale : écrire une chronologie sonore

Ne vous contentez pas de « émotion + réplique ». Décrivez dans l'ordre le début de la musique, l'entrée du personnage, sa manière de parler, le bruit qui interrompt la scène et la réponse de l'autre personnage.

Considérez le prompt comme un storyboard sonore. Chaque temps précise qui parle, comment, et ce qui s'entend autour.

Music or ambience starts: style, instruments, rhythm, or space.
Speaker A (age, gender, voice texture, accent, emotion, role) says: "line."
SFX: what happens, how intense it is, how many times, or how long it lasts.
Speaker B responds with their own voice and delivery.
Ending: how music, footsteps, a door, phone distortion, or ambience resolves.

Écrire les dialogues des personnages

Placez les indications avant la première réplique ou dans une courte liste de personnages. Pour plusieurs voix, utilisez des noms, des rôles ou des numéros. « Voix masculine » et « voix féminine » ne suffisent pas à identifier clairement les interlocuteurs.

La description peut préciser l'âge, le genre, la texture de la voix, l'accent, l'émotion, le rôle, la distance et les habitudes de parole. Les comportements audibles sont plus utiles que les qualificatifs abstraits.

• Utile : voix grave, rauque ou soufflée, filtre téléphonique, accent taïwanais, débit lent, fins de phrases tremblantes.
• Trop vague seul : haut de gamme, brisé, cinématographique, fataliste. Traduisez ces idées en comportements audibles.
• Évitez d'empiler les émotions. Une direction excessive peut rendre le jeu moins naturel.

Les bruitages et la musique font partie du prompt

Seed Audio 1.0 permet de décrire dialogue, effets, ambiance et musique dans une même génération. Un vocabulaire courant suffit pour les bruitages.

Précisez leur ordre, leur intensité, leur nombre et leur durée. Pour la musique, indiquez le style, l'instrument principal, le rythme et l'atmosphère. Si vous ne connaissez pas l'instrument, décrivez simplement l'effet recherché.

First, a phone vibrates. Birds continue in the background.
Music enters with marimba and strings, tense and suspenseful.
Then a faint car passes, a soft brake sound follows, and two high-heel footsteps land in the distance.

Écrire les références TA2A

Importer un fichier ne dit pas automatiquement comment l'utiliser. Nommez la référence et précisez si elle fournit le timbre, l'émotion, le débit ou l'identité d'un personnage.

Avec plusieurs références, vous pouvez en attribuer une à chaque personnage, ou en utiliser une pour la voix et une autre pour l'émotion et le rythme.

Male lead (young adult male, low and restrained, refer to @audio1) lowers his voice: "When did you find out?"
Female lead (young woman, gentle but guarded, refer to @audio2) waits half a beat and replies: "The first time you lied."
Keep the music low and suspenseful. Add a faint phone-current noise at the end of the line.

Modèle T2A à copier

Lancez une première génération, puis modifiez une seule variable à la fois après écoute : voix, émotion, rythme ou effets.

Music: a restrained low-frequency suspense bed enters first. Slow tempo, soft string texture.
Characters:
Lin Chen (young adult male, low raspy voice, slow pace, emotion held back, afraid but unwilling to admit it)
Xu Yao (young woman, clear but tired voice, slight trembling at line endings, trying to stay calm)

SFX: a phone vibrates once, then light rain continues.
Lin Chen lowers his voice and says: "Did you hear that? Someone is upstairs."
Xu Yao pauses for half a beat, inhales, and answers very softly: "Don't turn around. Keep walking."
SFX: a wooden door opens slowly in the distance. The low note in the music becomes heavier.

Modèle TA2A à copier

Si vous disposez déjà de références pour les personnages, associez-les directement dans le prompt.

Reference mapping: @audio1 is the male lead. @audio2 is the female lead.
Music: soft piano and room ambience, warm but regretful.
Male lead (adult male, low, breathy, refer to @audio1) says with restraint and reluctance: "If I don't come back tomorrow, stop waiting."
Female lead (young woman, gentle, tearful, refer to @audio2) cuts him off softly: "Whether I wait is not your decision."
SFX: light rain outside the window. Leave two seconds of silence after the last line.

Les exemples de prompts restent en anglais pour faciliter la comparaison avec le texte source. Adaptez les répliques et les instructions à une langue prise en charge par votre service. La traduction de ce guide ne garantit pas la génération dans toutes les langues.

Les limites influencent la longueur du prompt

Une génération peut durer approximativement jusqu'à 2 minutes. L'entrée accepte jusqu'à 3000 caractères, mais il est préférable de limiter le texte effectivement prononcé à environ 400 caractères chinois ou à un passage de longueur comparable. Un dialogue trop long peut accélérer le débit ou être tronqué.

Vous pouvez fournir jusqu'à 3 références audio, de 30 secondes maximum chacune. Une seule image de référence est admise par requête, sans combinaison avec des références audio.

• Dialogues dramatiques : divisez la scène en séquences de 30 à 90 secondes.
• Livres audio : découpez selon les changements émotionnels plutôt que par chapitre entier.
• Plusieurs personnages : vérifiez d'abord les voix, puis ajoutez les bruitages et la musique.

Intégrer l'audio au travail dans Arcloop

Essayez la voix dans le générateur de voix de personnages par IA, puis vérifiez la prise choisie dans la scène. Utilisez les libellés de référence exacts affichés par votre service audio.

• Notez dans la fiche du personnage son âge, sa texture vocale, son accent, ses habitudes de parole et ses limites émotionnelles.
• Découpez le scénario en passages adaptés à une génération, avec une évolution émotionnelle principale par passage.
• Choisissez T2A pour explorer et TA2A pour des personnages déjà définis.
• Conservez le prompt validé parmi les ressources du personnage et annotez aussi les essais ratés.
• Écoutez le résultat dans le storyboard ou le montage vidéo, pas uniquement comme un fichier isolé.

Questions fréquentes

Quelle différence avec une synthèse vocale classique ?

La synthèse vocale classique se concentre sur la lecture. Seed Audio 1.0 peut créer une scène qui réunit dialogue, ambiance, effets et musique.

Un prompt plus long est-il toujours meilleur ?

Non. Soyez précis sans accumuler les détails. Commencez par la chronologie, les interlocuteurs, les répliques, les effets et la musique, puis complétez après écoute.

Comment conserver les voix dans un dialogue à plusieurs personnages ?

Utilisez TA2A, attribuez @audioN à chaque personnage et identifiez le locuteur ainsi que sa référence à chaque prise de parole.

Les actions entre parenthèses peuvent-elles être lues à voix haute ?

Oui. Transformez les actions importantes en indications de jeu, ou séparez clairement la direction du texte parlé. Écoutez toujours le résultat avant de l'utiliser.