BYTEDANCE · SZENEN-AUDIO
Leiten Sie den Dialog. Bauen Sie den Klang darum herum auf.
Erstellen Sie eine Konversation mit dem Raum um Sie herum, eine erzählte Szene oder einen Soundeffekt aus einer Beschreibung. Seed Audio 1.0 vereint Sprach-, Ambiente- und Klanghinweise in einer generierten Audiospur.
ERSTELLEN SIE MIT SEED AUDIO 1.0
Beschreiben Sie die Szene und den genauen Dialog. Fügen Sie eine optionale Referenz hinzu, generieren Sie sie, hören Sie sie dann an und laden Sie sie herunter.
Laden Sie zeitgesteuerte Untertitel herunter, wenn der generierte Titel Sprache enthält.
Hören Sie hier Ihre Szene
Ihr generiertes Audio wird hier zur Wiedergabe, zum Herunterladen und zum Exportieren von Untertiteln angezeigt.
ECHT GENERIERTES AUDIO
Jeder Clip unten wurde auf PixMind mit Seed Audio 1.0 aus einem einzigen Text-Prompt generiert – ohne Schnitt. Kopieren Sie den Prompt, um die Szene nachzubauen.
Dialog + Atmosphäre
Create a 14-second spaceship cockpit scene in English. From 2–5 seconds, a calm male voice reports: “Engines at seventy percent, course locked.” From 6–11 seconds, a female voice replies urgently: “Reroute the auxiliary power, we have ninety seconds.” Low reactor hum, soft console beeps and a distant mechanical clank. No music.
Erzählung
Create a 12-second nature documentary narration in English. From 2–10 seconds, a warm male voice says: “Beyond the last ridge, the valley wakes. Mist lifts off the river as the first light touches the canopy.” Gentle birdsong, a flowing river and soft wind in the background. No music.
Werbestimme
Create a 12-second earbuds ad voiceover in English. From 2–6 seconds, an energetic female voice says: “Meet AeroBuds Pro — forty hours of battery and noise cancelling that silences the world.” From 7–10 seconds, she adds: “Order today and save thirty dollars.” Subtle whooshes and a bright closing chime. No loud music.
Soundeffekte
Create a 10-second morning forest soundscape. From 1–3 seconds, boots press into soft mud with a squelch. From 4–6 seconds, water drips from wet leaves. From 7–9 seconds, a woodpecker knocks in the distance and a gentle breeze moves through the branches. No speech and no music.
EINE SZENE, MEHRERE Klänge
Beschreiben Sie gemeinsam die Aufführung und ihre Umgebung. Verwenden Sie die folgenden Eingabeaufforderungen als Ausgangspunkte für Ihre eigene Szene.
Referenzszenen veranschaulichen schnelle Ideen; Es handelt sich nicht um generierte Audioergebnisse.
DIALOG + AMBIENTE
In einem ruhigen Café, einer belebten Straße oder einem leeren Saal fühlt sich ein Gespräch anders an.
Schreiben Sie den Text, die Stimme und den Vortrag jedes Charakters auf und beschreiben Sie dann die Umgebungsgeräusche. Seed Audio kann Dialoge und deren Hintergrund zusammen in einem Track erzeugen.
Erstellen Sie eine 12-sekündige Café-Szene auf Englisch. Nach 2–5 Sekunden fragt eine Frau leise: „Sollen wir hier warten?“ Zwischen 6 und 9 Sekunden antwortet ein Mann: „Bis der Regen aufhört.“ Draußen sanfter Regen, ruhige Tassen und niedrige Raumatmosphäre. Keine laute Musik.
BILDGEFÜHRTES AUDIO
Eine Küstenlinie kann auf Wind, Wellen und entfernte Vögel hinweisen, bevor Sie eine Zeile schreiben.
Laden Sie ein Bild hoch, um den Ton anzuleiten, und beschreiben Sie dann die gewünschten Geräusche oder gesprochenen Wörter. Ein Video-Keyframe kann als Referenz für eine Audiospur dienen, die Sie in Ihren Schnitt mischen.
Erstellen Sie für dieses Bild 15 Sekunden lang eine Küstenatmosphäre. Der Wind weht durch das Gras, Wellen brechen an den Felsen und gelegentlich rufen in der Ferne Möwen. Keine Sprache oder Musik. Lassen Sie die Wellen auf natürliche Weise steigen und verschwinden.
SOUNDEFFEKTE + TIMING
Ein Riegel klickt. Eine Toolbox wird geschlossen. Der Raum versinkt wieder in seinem Hintergrundbrummen.
Beschreiben Sie das Objekt, die Aktion, das Material und den Raum, um eine Wirkung zu erzielen. Fügen Sie die gewünschte Länge und das gewünschte Timing in natürlicher Sprache hinzu oder generieren Sie einen isolierten Sound, um ihn in einen größeren Schnitt einzubinden.
Erstellen Sie eine 8-sekündige Fahrrad-Workshop-Soundszene. Ein kleiner Metallriegel klickt nach etwa 2 Sekunden. Ein Werkzeugkasten aus rotem Stahl schließt sich mit einem lauten Geräusch nach etwa 3 Sekunden. Ein paar Werkzeuge klappern und verklingen dann zu einem leisen Werkstattraumton. Keine Sprache und keine Musik.
SZENARIO-SPIELBÜCHER
Beginnen Sie mit der Aufgabe, die Sie erledigen müssen. Jedes Beispiel enthält eine Szenenreferenz, einen Soundplan und eine editierbare Eingabeaufforderung für den Audiogenerator.
Dabei handelt es sich um Szenenreferenzen und Drehbuchideen. Generieren und hören Sie Ihr eigenes Audio im Studio oben.
Geben Sie einer kurzen Vortragsszene den Dialog und die Geräusche, die eine regnerische Nacht einläuten.
Nehmen Sie einen Keyframe aus Ihrem Video als optionale Bildreferenz. Erzeugen Sie den Track, platzieren Sie ihn dann in Ihrem Editor unter dem Originalclip und passen Sie das Timing an.
Erstellen Sie eine 12-sekündige Lieferszene in einer regnerischen Nacht auf Englisch. Von 0–2 Sekunden, Regen und Schritte auf nasser Fahrbahn, dann bleibt ein Fahrrad stehen. Nach 2–5 Sekunden sagt eine Frau deutlich: „Dein Paket ist da.“ Zwischen 6 und 9 Sekunden antwortet eine warme männliche Stimme über eine Gegensprechanlage: „Danke, kommen Sie rein.“ Beenden Sie den Vorgang mit einem leisen Türöffnungsgeräusch. Halten Sie den Regen unter dem Dialog. Keine Musik.
Schreiben Sie eine Abschiedsszene mit zwei unterschiedlichen Charakteren, natürlichen Pausen und einer ruhigen Küche um sie herum.
Beschreiben Sie in der Eingabeaufforderung die Stimme und die Darbietung jedes Charakters. Für konsistente Sprachreferenzen wechseln Sie in den Audio-Referenzmodus und identifizieren Sie die Samples in der Upload-Reihenfolge.
Erstellen Sie eine 14-sekündige heimische Kurzdramaszene auf Englisch. Ein Vater mittleren Alters hat eine tiefe, sanfte Stimme; seine erwachsene Tochter hat eine klare, entspannte Stimme. Ruhiger Wasserkocher und Küchenambiente. Nach 2–5 Sekunden fragt der Vater leise: „Du hast alles?“ Nach 6–10 Sekunden antwortet die Tochter mit einem liebevollen Lächeln in der Stimme: „Alles außer deinem Tee.“ Lassen Sie eine kleine Pause, dann wird eine Tasse abgestellt. Halten Sie den Hintergrund dezent und verwenden Sie keine Musik.
Kombinieren Sie eine kurze Erzählung mit einem Schalterklick und einem zurückhaltenden Musikbett für eine Schreibtischlampen-Werbung.
Schreiben Sie den genauen Anzeigentext in Anführungszeichen und beschreiben Sie die Musik darunter. Laden Sie den Ton und die verfügbaren SRT-Untertitel herunter und kombinieren Sie sie dann mit Ihren Produktaufnahmen.
Erstellen Sie eine 12-sekündige Schreibtischlampen-Werbung auf Englisch. Nach etwa einer Sekunde klickt ein kleiner Messingschalter. Ein weiches, minimalistisches Instrumentalbett tritt ein. Zwischen 2 und 9 Sekunden sagt eine ruhige, selbstbewusste Frau: „Ein wenig Licht. Ein wenig Raum zum Nachdenken. Schaffen Sie Platz für das Wesentliche.“ Halten Sie die Stimme nah und klar, die Musik leise und lassen Sie die letzten Töne auf natürliche Weise ausklingen.
Erkunde Schritte, ein Schloss und eine schwere Steintür, während eine Figur eine unterirdische Ruine betritt.
Beschreiben Sie die Materialien, den Abstand und den akustischen Raum. Verwenden Sie eine vollständige Szenenspur für einen Prototyp. Generieren Sie einzelne Effekte separat, wenn Sie unabhängige Spielauslöser benötigen.
Erstellen Sie eine 10-sekündige Abenteuerspiel-Soundszene in einer unterirdischen Steinruine. Von 0–2 Sekunden, langsame Lederstiefel auf nassem Stein und das Knistern einer Fackel in der Nähe. Nach etwa 2 Sekunden klickt ein bronzenes Schloss. Nach 3–6 Sekunden öffnet sich eine schwere Steintür mit einem langen Echo. Lassen Sie den Klang für die verbleibenden Sekunden in einer tiefen Höhlenatmosphäre ruhen. Keine Stimmen, Sprache oder Musik.
Kombinieren Sie ein Setting, Lautsprecher, genaue Linien, Hintergrundgeräusche und einen Zeitplan. Referenzaudio verwendet @音频1, @音频2 und @音频3 in der Upload-Reihenfolge.
Schreiben Sie eine Gesamtlänge und das Intervall für jede Zeile. Das Modell arrangiert den Ton aus diesen Anweisungen; Die genaue Rahmenausrichtung bleibt ein Bearbeitungsschritt.
Laden Sie MP3, WAV oder OGG Opus herunter. Aktivieren Sie Untertitel, um das verfügbare Sprachtiming als SRT zu exportieren, und platzieren Sie dann beide Dateien in Ihrem Videoprojekt.
Nutzen Sie die Szenengenerierung, wenn Stimmen und Umgebung zusammengehören. Verwenden Sie die speziellen Sprach- oder Musiktools, wenn dies das wichtigste Ergebnis ist.
| Werkzeug | Am besten für | Was Sie bereitstellen | Was du erschaffst |
|---|---|---|---|
| Seed Audio 1.0 | Dialog mit Atmosphäre, Erzählung und Soundeffekten | Eine Szenenbeschreibung sowie optionale Bild- oder Audioreferenzen | Eine Szenen-Audiospur; optionale Sprachuntertitel |
| Text-to-Speech-Studio | Erzählung und Skripte in separaten Segmenten angeordnet | Skriptsegmente, Stimmen und Lieferanweisungen | Sprachsegmente, die Sie anordnen und exportieren können |
| KI-Musikgenerator | Hintergrundmusik und Lieder mit Texten | Eine Musikbeschreibung, ein Stil oder ein Liedtext | Musik oder ein Lied für Ihr Videoprojekt |
Benennen Sie die Einstellung und die Geräusche. Setzen Sie die genauen gesprochenen Zeilen in Anführungszeichen und beschreiben Sie jede Stimme.
Verwenden Sie nur Text, ein Bild oder bis zu drei kurze Audioreferenzen. Wählen Sie das Format und die Untertiteloption.
Hören Sie sich Ihr Audio an, verfeinern Sie bei Bedarf die Szenenbeschreibung und laden Sie den Titel mit allen verfügbaren SRT-Untertiteln herunter.
Seed Audio 1.0 ist das Audio-Erstellungsmodell von ByteDance für Sound auf Szenenebene. Es kann gesprochene Darbietungen, Soundeffekte, Ambiente und musikalische Elemente unter einer gemeinsamen Beschreibung in natürlicher Sprache kombinieren.
Ja. Schreiben Sie die genauen Zeilen und beschreiben Sie die Redner, Emotionen und Vortrag. Sie können mehrere Zeichen anfordern und die Umgebungsgeräusche in derselben Eingabeaufforderung beschreiben.
Wählen Sie im Generator „Bild“ und laden Sie ein JPG, PNG oder WebP mit bis zu 10 MB hoch. Fügen Sie den gewünschten Text oder die gewünschte Klangbeschreibung hinzu. Bildreferenzen können in dieser Integration nicht mit Audioreferenzen oder einer voreingestellten Stimme gemischt werden.
Laden Sie die Muster in der Reihenfolge hoch, in der Sie sie verwenden. Schreiben Sie @音频1, @音频2 und @音频3 in Ihre Eingabeaufforderung, um sie zu identifizieren. Jedes Sample darf maximal 30 Sekunden lang sein und darf höchstens 10 MB groß sein. Eine konfigurierte voreingestellte Stimme belegt einen Referenzplatz.
Beschreiben Sie die Gesamtdauer und das Zeitfenster jeder Zeile in der Aufforderung, zum Beispiel „eine 12-Sekunden-Szene; der erste Sprecher spricht 2 bis 5 Sekunden.“ Die maximale Originalausgabe beträgt 120 Sekunden. Diese Seite verwendet keinen separaten Dauerparameter.
Die aktuelle API listet Chinesisch, Englisch, Japanisch, Koreanisch, mexikanisches und europäisches Spanisch, Deutsch, Französisch, brasilianisches Portugiesisch, Thailändisch, Vietnamesisch, Malaiisch, Philippinisch, Italienisch, Russisch, Niederländisch, Polnisch und Türkisch auf.
Der Generator akzeptiert Text, ein Referenzbild oder kurze Audioreferenzen. Sie können einen Keyframe aus einem Video extrahieren und ihn als Bildreferenz verwenden. Das Erzeugen eines synchronisierten fertigen Videos oder das Ändern von Mundbewegungen erfordert einen separaten Video-Workflow.
Der Generator bietet MP3-, WAV- und OGG Opus-Audio. Wenn die Untertitelgenerierung aktiviert ist und das Modell Sprachzeitstempel zurückgibt, können Sie eine SRT-Datei herunterladen. Der Ton ist eine kombinierte Spur und keine separaten Dialog-, Musik- und Effekt-Stems.
Der Generator zeigt vor der Einreichung den aktuellen Kreditzinssatz an. Es reserviert bis zum Maximum von 120 Sekunden und verrechnet dann mit der ursprünglich generierten Audiodauer, aufgerundet auf eine ganze Sekunde. Nicht genutzte reservierte Credits werden zurückgegeben; Geschwindigkeitsanpassungen ändern nicht die ursprüngliche Abrechnungsdauer.
Details überprüft auf 2026-10-25.
Beginnen Sie mit der Zeile, der Einstellung und den Geräuschen, die Sie hören möchten.