Bumuo ng hanggang dalawang minutong diyalogo, tunog sa paligid, sound effect, at audio ng eksena sa isang click. Idirekta ang pagganap ng karakter, timing, at atmospera gamit ang iisang prompt.
Pindutin ang play para makinig
Sabay na binubuo at binabalanse ang diyalogo, tunog sa paligid, musika, at sound effect. Awtomatikong humihina ang musika kapag may nagsasalita. Kumpletong audio track ang resulta, kaya hindi mo na kailangang isa-isang ayusin ang lakas ng apat na magkahiwalay na track.
Isulat ang eksena ayon sa pagkakasunod-sunod ng kuwento, at susundin iyon ng audio nang may katumpakang hanggang 100 millisecond. Ang ikatlong linya ay maririnig nang ikatlo; ang pintuang bumubukas sa pagitan ng dalawang linya ay maririnig sa mismong pagitan. Dahil dito, maaaring sundan ng pag-edit ng video ang audio.
Sapat para sa isang buong eksena o pagsasalaysay, na may parehong boses mula simula hanggang dulo. Kung mas mahaba ang eksena, maaari kang magpatuloy mula sa huling bahagi.
Kabilang ang Chinese, English, Japanese, Korean, Spanish, German, French, Thai, Vietnamese, at iba pa. Mailalabas mo ang isang serye sa maraming wika nang hindi kailangang palitan ang cast.
Pumili ng boses ng karakter o magdagdag ng voice reference na mayroon kang pahintulot gamitin at akma sa eksena.
Ilagay ang diyalogo at ilarawan ang emosyon, bilis, timing, tunog sa paligid, at sound effect na nais mong marinig.
Buuin ang eksena, pakinggan ang resulta, at ayusin ang prompt hanggang tumugma ang mga boses at tunog sa nais mong tagpo.
Binabasa ng Seed Audio ang prompt na parang script: sino ang nagsasalita, paano ang boses nila, at ano ang nangyayari sa pagitan ng mga linya. Ilarawan muna ang boses ng bawat karakter, at isulat ang eksena ayon sa pagkakasunod-sunod.
Security Robot (AI robot, pantay at mababang boses, mabagal magsalita): "Nag-expire na ang session." Faye (batang babae, malinaw at maliwanag na boses, nagmamadaling magsalita): "Huwag, pakiusap — mahalaga ito, kailangan kong maihatid ang mensaheng ito." Security Robot: "Hindi makumpirma ang pagkamamamayan. Ihahatid ka sa pansamantalang kulungan." Bumukas ang isang malaking mekanikal na pinto at lumapit kay Faye ang isang lalaki. Jet (nakatatandang lalaki, malalim at mababang boses, pantay ang bilis): "Faye, paumanhin sa abala. Sumama ka sa akin."
Ilagay sa panaklong ang edad, katangian ng boses, at bilis ng pagsasalita. Pagkatapos nito, sapat na ang pangalan bago ang linya dahil mananatili ang itinakdang boses.
Isulat ang mga pangyayari sa pagitan ng mga linya ayon sa tamang pagkakasunod-sunod. Hindi awtomatikong magpapatong ng tunog ang modelo dahil lamang sa salitang “samantala”. Kung dapat tumunog ang effect habang nagsasalita, hatiin sa dalawa ang linya at ilagay ang effect sa gitna.
Isulat ang “Soundtrack:” at ilarawan ang musika at tagal nito. Kung damdamin lang ang ilalarawan, maaaring dalawang segundong effect ang mabuo sa halip na tuloy-tuloy na musika.
Maaaring bumuo ng boses mula sa nakasulat na paglalarawan. Kung kailangang pareho ang boses ng karakter sa bawat episode, mag-upload ng hanggang tatlong clip na tig-30 segundo at gamitin muli ang parehong reference sa bawat pagsasalita niya.
Tuklasin ang mga praktikal na gabay sa pagdisenyo ng boses, mga prompt, at paggawa ng audio sa ArcLoop.
Magbasa PaAng Seed Audio 1.0 ay AI audio generation model mula sa ByteDance Seed. Gumagawa ito ng diyalogo, boses ng karakter, tunog sa paligid, sound effect, at iba pang audio ng eksena mula sa text at audio reference. Angkop ito sa maikling drama, animation, at pagkukuwento.
Karaniwang ginagawang pagsasalita lamang ng text-to-speech ang nakasulat na text. Ang Seed Audio 1.0 ay kayang bumuo ng buong audio ng eksena na may maraming karakter, emosyon, bilis, tunog sa paligid, at sound effect batay sa iisang konteksto.
Kayang bumuo ng Seed Audio 1.0 ng audio na hanggang dalawang minuto. Angkop ito sa mahahabang usapan, pagsasalaysay, animation, at mga episode ng maikling drama nang hindi kailangang hatiin ang bawat linya sa magkakahiwalay na clip.
Ginagawang bagong audio ng T2A ang text prompt, kabilang ang mga boses, diyalogo, tunog sa paligid, at sound effect. Gumagamit naman ang A2A ng umiiral na audio bilang reference upang bumuo ng bagong audio batay sa katangian ng boses o tunog nito.
Sinusuportahan ng Seed Audio 1.0 ang higit sa 20 wika, kabilang ang English, Chinese, Japanese, Korean, French, German, Spanish, at Thai. Angkop ito sa mga karakter na nagsasalita ng maraming wika, lokalisasyon ng animation, at paggawa ng drama para sa iba’t ibang bansa.
Hindi palaging eksaktong pareho ang resulta ng AI audio generation. Maaaring mag-iba ang pagganap, bilis, boses, o detalye ng tunog kahit pareho ang prompt. Para sa mas pare-parehong resulta, malinaw na ilarawan ang karakter, emosyon, timing, kapaligiran, at mga hudyat ng tunog.
Mas angkop ang Seed Audio 1.0 sa buong eksenang kailangang magtulungan ang diyalogo, pagganap, tunog sa paligid, at sound effect. Madalas namang mas angkop ang ElevenLabs kung boses, pagsasalaysay, o voice cloning ang pangunahing kailangan. Pumili ayon sa kung buong eksena o pagsasalita lamang ang ginagawa mo.
Ilarawan ang mga karakter, isulat ang mga linya, at sabay na buuin ang diyalogo, tunog ng lugar, at musika sa iisang take.
