Gere até dois minutos de diálogo, ambiência, efeitos sonoros e áudio de cena com um clique. Dirija a interpretação, o tempo e a atmosfera a partir de um único prompt.
Toque em play para ouvir
Diálogo, ambiência, trilha e efeitos são escritos na mesma passada, já equilibrados entre si. A música abaixa sozinha por baixo da fala. O que volta é uma faixa pronta, não quatro stems esperando ajuste de nível.
Escreva a cena em ordem narrativa e o áudio sai nessa ordem, posicionado com precisão de 100 milissegundos. Uma fala escrita em terceiro chega em terceiro; uma porta que abre entre duas falas abre entre elas. É essa ordem que permite ao áudio conduzir o corte em vez de correr atrás dele.
Longo o bastante para uma cena inteira ou uma narração completa, com a mesma voz da primeira à última palavra. Continue de onde parou quando a cena for mais longa.
Chinês, inglês, japonês, coreano, espanhol, alemão, francês, tailandês, vietnamita e outros, para que uma série possa sair em vários idiomas sem refazer o casting.
Escolha uma voz de personagem ou adicione uma referência de voz autorizada que combine com a sua cena.
Digite o diálogo e descreva a emoção, o ritmo, o tempo, a ambiência e os efeitos sonoros que você quer ouvir.
Gere a cena, ouça o resultado e ajuste o prompt até as vozes e o som combinarem com o momento que você quer criar.
O Seed Audio lê um prompt como uma continuísta lê uma página de roteiro: quem fala, como soa, o que acontece entre as falas. Defina cada personagem uma vez e depois escreva a cena na ordem em que ela acontece.
Robô de segurança (robô de IA, voz grave e monótona, ritmo lento): "Sessão expirada." Faye (garota jovem, voz clara e brilhante, ritmo apressado) diz: "Não, por favor — é urgente, eu preciso entregar esta mensagem." Robô de segurança diz: "Não foi possível verificar a cidadania. Você será escoltada até a cela de detenção." Uma grande porta mecânica se abre e um homem caminha na direção de Faye. Jet (homem mais velho, voz grave e escura, ritmo constante) diz: "Faye, desculpe o transtorno. Venha comigo."
Coloque idade, qualidade de voz e ritmo entre parênteses. Depois disso, "Nome diz:" já basta — a voz se mantém.
Escreva o que acontece entre as falas, na ordem em que acontece. O modelo não deduz sobreposição a partir de "enquanto isso", então se um efeito precisa entrar no meio de uma fala, quebre a fala em duas e coloque o efeito no meio.
Escreva "Trilha:", descreva-a e diga por quanto tempo deve durar. Uma linha de clima sozinha costuma voltar como um efeito de dois segundos em vez de trilha.
Uma descrição escrita já define a voz. Envie até três clipes de 30 segundos cada quando um personagem precisar soar igual ao longo dos episódios, e reutilize essa mesma tomada sempre que ele falar.
Guias práticos de design de voz, escrita de prompts e produção de áudio na ArcLoop.
Ler maisO Seed Audio 1.0 é um modelo de geração de áudio com IA da ByteDance Seed. Ele cria diálogo, vozes de personagem, ambiência, efeitos sonoros e outros áudios de cena a partir de texto e referências de áudio, o que o torna adequado para dramas curtos, animação e conteúdo narrativo.
O texto para fala tradicional converte principalmente texto escrito em voz falada. O Seed Audio 1.0 consegue gerar uma cena de áudio completa, com vários personagens, emoção, ritmo, ambiência e efeitos sonoros, a partir do mesmo contexto de cena.
O Seed Audio 1.0 gera áudio de até dois minutos. Isso o torna útil para cenas de diálogo mais longas, narração, sequências de animação e episódios de drama curto sem dividir cada fala em clipes separados.
T2A transforma um prompt de texto em áudio novo, incluindo vozes, diálogo, ambiência e efeitos sonoros. A2A usa um áudio existente como referência e gera áudio novo com base na voz ou nas características acústicas dele.
O Seed Audio 1.0 suporta mais de 20 idiomas, incluindo inglês, chinês, japonês, coreano, francês, alemão, espanhol e tailandês. Isso é útil para personagens multilíngues, animação localizada e produção de drama internacional.
A geração de áudio com IA não é totalmente determinística, então o mesmo prompt pode produzir interpretações, ritmos, vozes ou detalhes sonoros diferentes. Para resultados mais consistentes, descreva o personagem, a emoção, o tempo, o ambiente e as deixas sonoras da forma mais clara possível.
O Seed Audio 1.0 se encaixa melhor em áudio baseado em cena, onde diálogo, interpretação, ambiência e efeitos precisam funcionar juntos. O ElevenLabs costuma ser a escolha mais forte quando a prioridade é geração de voz dedicada, narração ou clonagem de voz. Escolha conforme esteja criando uma cena completa ou gerando principalmente fala.
Descreva os personagens, escreva as falas e receba o diálogo, a sala e a música em uma única tomada.
