一次生成完整的聲音場景
對白、環境音、配樂和音效在同一次生成裡寫出來，彼此已經配平。音樂會自己壓到人聲下面。拿回來的是一條成品軌，不是四條等著調電平的分軌。
適用於短劇和動畫的 Seed Audio 1.0 AI 音訊生成模型
一次點擊，生成最長兩分鐘的對白、環境音、音效與整場場景音訊。角色的表演、時間點和氛圍，都用同一段提示詞來指揮。
挑一個聲音
點擊播放試聽
Japanese Middle-Aged Man Life Encouragement Prompt to audio
English Female Midnight Radio Companion Prompt to audio
Japanese Welcome Home Comfort Prompt to audio
Korean Ex Lover Reconciliation Call Prompt to audio
Rainy Night Female Goodnight ASMR Prompt to audio
Japanese Night Train Girl Comfort Prompt to audio
Japanese Onsen Inn Owner Goodnight Prompt to audio
Broken Bully Apology Prompt to audio
為什麼 Seed Audio 1.0 適合做場景音訊
一次點擊生成完整的聲音場景
按敘事順序寫，音訊就按那個順序出來，精度到 100 毫秒。寫在第三句的台詞就出現在第三句，兩句台詞之間開的那扇門就開在中間。正是這個順序性，讓音訊可以反過來帶著畫面走，而不是追著畫面配。
單次最長生成 2 分鐘
足夠裝下一整場戲或一段完整旁白，從第一個字到最後一個字都是同一個聲音。戲更長時，可以從上次停下的地方接著往下生成。
用 20+ 種語言創作角色音訊
中文、英語、日語、韓語、西班牙語、德語、法語、泰語、越南語等，一部系列可以在多個語種上線，不用重新找配音。
在 Arcloop 上使用 Seed Audio 1.0
挑一個聲音
選擇一個角色聲音，或上傳一段你有權使用的參考音訊，讓它貼合這場戲。
寫下這場戲
輸入對白，並描述你想聽到的情緒、節奏、時間點、環境音和音效。
生成音訊
生成這場戲，試聽結果，再調整提示詞，直到聲音和氣氛貼合你想要的那一刻。
怎麼寫 Seed Audio 1.0 的提示詞
Seed Audio 讀提示詞的方式，很像場記讀劇本頁：誰在說、聽起來怎樣、台詞之間發生了什麼。每個角色第一次出場時定下來，然後按這場戲播放的順序往下寫。
安保機器人（AI 機器人，單調低沉的嗓音，語速緩慢）：「工作階段已過期。」 菲伊（少女，清亮的嗓音，語速急促）說：「不，求求你——這很緊急，我必須把這條訊息送到。」 安保機器人說：「無法驗證身分。你將被押送至羈押區。」 一扇厚重的金屬門打開，一個男人朝菲伊走過來。 傑特（中年男性，低沉暗啞的嗓音，語速平穩）說：「菲伊，抱歉給你添了麻煩。跟我來。」
-
角色第一次開口時定下來。
把年紀、音色質感和語速寫進括號裡。之後寫「角色名說：」就夠了，聲音會延續下去。
-
聲音和動作單獨成行。
把台詞之間發生的事按順序寫出來。模型不會從「與此同時」推斷出重疊，所以如果某個音效應該落在一句話中間，就把這句話拆成兩半，音效放中間。
-
音樂要明確標成配樂。
寫「配樂：」再描述它，並說明要持續多久。只寫一句氣氛描述，往往會得到一段兩秒的音效，而不是一段配樂。
-
聲音必須固定時，加參考音訊。
光靠文字描述就能定下一個聲音。當某個角色需要在整部系列裡聽起來是同一個人時，上傳最多 3 段、每段 30 秒的參考音訊，之後他每次開口都複用這一條。
關於 Seed Audio 1.0 的常見問題
1. Seed Audio 1.0 是什麼？
Seed Audio 1.0 是字節跳動 Seed 團隊的 AI 音訊生成模型。它能基於文字和音訊參考，生成對白、角色聲音、環境音、音效等場景音訊，很適合短劇、動畫和敘事類內容。
2. Seed Audio 1.0 和文字轉語音有什麼不同？
傳統的文字轉語音主要是把文字變成人聲。Seed Audio 1.0 能基於同一段場景脈絡，生成包含多個角色、情緒、節奏、環境音和音效的完整聲音場景。
3. Seed Audio 1.0 單次能生成多長？
Seed Audio 1.0 單次最長可生成兩分鐘音訊。這讓它足以承載較長的對白場景、旁白、動畫段落和短劇單集，不必把每一句都拆成單獨的片段。
4. T2A 和 A2A 有什麼區別？
T2A 是把文字提示詞變成新的音訊，包括人聲、對白、環境音和音效。A2A 則是用既有音訊作為參考，基於它的音色或聲學特徵生成新的音訊。
5. Seed Audio 1.0 支援哪些語言？
Seed Audio 1.0 支援 20 多種語言，包括英語、中文、日語、韓語、法語、德語、西班牙語和泰語。這讓它適合多語言角色、在地化動畫和面向國際的劇集製作。
6. 同一段提示詞，兩次生成為什麼聽起來不一樣？
AI 音訊生成並非完全確定性的，同一段提示詞可能產出不同的表演、節奏、音色或聲音細節。想要更穩定的結果，就把角色、情緒、時間點、環境和聲音提示寫得盡可能清楚。
7. Seed Audio 1.0 和 ElevenLabs，我的專案該選哪個？
當對白、角色表演、環境音和音效需要配合成一個整體時，Seed Audio 1.0 更合適。如果你的首要需求是專門的人聲生成、旁白或音色複製，ElevenLabs 往往是更強的選擇。判斷標準是：你要做的是一整場戲，還是主要在生成語音。