Создавайте до двух минут диалогов, фоновых звуков, эффектов и полного аудиоряда сцены одним нажатием. Задавайте исполнение, время событий и атмосферу в одном запросе.
Нажмите кнопку воспроизведения для прослушивания
Диалоги, звуки окружения, музыка и эффекты создаются вместе, с готовым балансом громкости. Во время реплик музыка автоматически становится тише. Вы получаете готовую дорожку, а не четыре отдельных слоя, которые ещё нужно сводить.
Опишите сцену в порядке событий — аудио будет следовать ему с точностью до 100 миллисекунд. Третья реплика прозвучит третьей, а дверь откроется именно между теми репликами, где это указано. Так монтаж можно выстраивать по аудио, а не подгонять звук под готовый видеоряд.
Этого хватит для целой сцены или законченного закадрового текста с одним и тем же голосом от первого слова до последнего. Если сцена длиннее, продолжите с того места, где остановились.
Китайский, английский, японский, корейский, испанский, немецкий, французский, тайский, вьетнамский и другие языки — выпускайте сериал на нескольких языках без нового подбора голосов.
Выберите голос персонажа или добавьте подходящий сцене голосовой референс, на использование которого у вас есть разрешение.
Введите диалог и задайте эмоции, темп, время событий, звуки окружения и нужные эффекты.
Создайте сцену, прослушайте результат и уточняйте запрос, пока голоса и звуки не будут соответствовать вашему замыслу.
Seed Audio читает запрос как сценарий: кто говорит, как звучит голос и что происходит между репликами. Один раз опишите голос каждого персонажа, затем запишите сцену в порядке событий.
Робот-охранник (робот с ИИ, монотонный низкий голос, медленный темп): «Сеанс истёк». Фэй (молодая девушка, ясный звонкий голос, торопливая речь) говорит: «Нет, пожалуйста, это срочно. Мне нужно передать сообщение». Робот-охранник говорит: «Не удалось подтвердить гражданство. Вас проводят в камеру задержания». Открывается большая механическая дверь, и к Фэй подходит мужчина. Джет (мужчина в возрасте, глубокий низкий голос, ровный темп) говорит: «Фэй, прошу прощения за неудобства. Идёмте со мной».
Укажите в скобках возраст, особенности голоса и темп. Дальше достаточно писать «Имя говорит:» — голос сохранится.
Описывайте события между репликами в том порядке, в котором они происходят. Слово «одновременно» само по себе не заставляет модель наложить звуки. Если эффект должен прозвучать внутри реплики, разделите её на две части и поместите эффект между ними.
Напишите «Soundtrack:», опишите музыку и её длительность. Одно лишь описание настроения часто превращается в двухсекундный эффект вместо музыкального сопровождения.
Текстовое описание само задаёт голос. Если персонаж должен одинаково звучать в разных эпизодах, загрузите до трёх клипов по 30 секунд и используйте этот образец для всех его реплик.
Практические руководства по настройке голосов, составлению запросов и созданию аудио в ArcLoop.
Читать далееSeed Audio 1.0 — модель генерации аудио от ByteDance Seed. Она создаёт диалоги, голоса персонажей, звуки окружения, эффекты и другие элементы аудиоряда по тексту и аудиореференсам. Подходит для коротких сериалов, анимации и сюжетного контента.
Обычный синтез речи в основном озвучивает написанный текст. Seed Audio 1.0 создаёт полноценную аудиосцену: несколько персонажей, эмоции, темп, звуки окружения и эффекты в общем контексте.
Seed Audio 1.0 создаёт аудио длительностью до двух минут. Этого достаточно для длинных диалогов, закадрового текста, анимационных сцен и эпизодов короткого сериала без разделения каждой реплики на отдельный клип.
T2A создаёт новое аудио по текстовому описанию: голоса, диалоги, звуки окружения и эффекты. A2A использует готовое аудио как референс и создаёт новый звук на основе его голосовых или акустических особенностей.
Seed Audio 1.0 поддерживает более 20 языков, в том числе английский, китайский, японский, корейский, французский, немецкий, испанский и тайский. Это удобно для многоязычных персонажей, локализации анимации и международного производства сериалов.
Генерация аудио с ИИ не полностью детерминирована: один запрос может давать разную подачу, темп, голоса и звуковые детали. Для более стабильного результата чётко описывайте персонажа, эмоции, время событий, обстановку и звуковые акценты.
Seed Audio 1.0 больше подходит для целых аудиосцен, где диалоги, актёрская подача, фоновые звуки и эффекты должны работать вместе. ElevenLabs часто удобнее, когда главное — отдельная генерация голоса, закадровый текст или клонирование голоса. Выбирайте с учётом того, создаёте ли вы полноценную сцену или прежде всего речь.
Опишите персонажей, напишите реплики и получите диалоги, звуки окружения и музыку в одном готовом дубле.
