BYTEDANCE · AUDIO DE ESCENA
Dirige el diálogo. Construye el sonido a su alrededor.
Crea una conversación con la habitación que la rodea, una escena narrada o un efecto sonoro a partir de una descripción. Seed Audio 1.0 reúne señales de voz, ambiente y sonido en una pista de audio generada.
CREAR CON SEED AUDIO 1.0
Describe la escena y el diálogo exacto. Agregue una referencia opcional, genere, luego escuche y descargue.
Descargue subtítulos cronometrados cuando la pista generada contenga voz.
Escuche su escena aquí
El audio generado aparecerá aquí para reproducirlo, descargarlo y exportar subtítulos.
AUDIO GENERADO REAL
Todos los clips de abajo se generaron en PixMind con Seed Audio 1.0 a partir de un único mensaje de texto, sin edición. Copia el mensaje para recrear la escena.
Diálogo + ambiente
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.
Narración
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.
Voz publicitaria
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.
Efectos de sonido
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.
UNA ESCENA, MÚLTIPLES SONIDOS
Describan juntos la actuación y su entorno. Utilice las siguientes indicaciones como puntos de partida para su propia escena.
Las escenas de referencia ilustran ideas rápidas; no son resultados de audio generados.
DIÁLOGO + AMBIENTE
Una conversación se siente diferente en un café tranquilo, en una calle concurrida o en un salón vacío.
Escribe la línea, la voz y la expresión de cada personaje, luego describe los sonidos circundantes. Seed Audio puede generar diálogos y su fondo juntos en una sola pista.
Crea una escena de café de 12 segundos en inglés. Entre 2 y 5 segundos, una mujer pregunta en voz baja: "¿Esperamos aquí?". Entre 6 y 9 segundos, un hombre responde: “Hasta que deje de llover”. Lluvia suave afuera, tazas tranquilas y ambiente bajo. Sin música alta.
AUDIO GUIADO POR IMÁGENES
Una línea costera puede sugerir viento, olas y pájaros lejanos antes de escribir una línea.
Sube una imagen para guiar el audio y luego describe los sonidos o las palabras habladas que desees. Un fotograma clave de vídeo puede servir como referencia para una pista de audio que mezclarás en tu edición.
Crea 15 segundos de ambiente costero para esta imagen. El viento se mueve entre la hierba, las olas rompen contra las rocas y ocasionalmente gaviotas cantan a lo lejos. Sin discurso ni música. Deja que las olas suban y desaparezcan de forma natural.
EFECTOS DE SONIDO + TIEMPO
Un pestillo hace clic. Se cierra una caja de herramientas. La habitación vuelve a su murmullo de fondo.
Describir el objeto, acción, material y espacio para dar forma a un efecto. Agregue la duración y el tiempo deseados en lenguaje natural o genere un sonido aislado para superponerlo en una edición más grande.
Crea una escena sonora de taller de bicicletas de 8 segundos. Un pequeño pestillo de metal hace clic aproximadamente a los 2 segundos. Una caja de herramientas de acero roja se cierra con un ruido sordo aproximadamente a los 3 segundos. Algunas herramientas suenan y luego se desvanecen hasta convertirse en el tono tranquilo de la sala del taller. Sin discurso ni música.
LIBROS DE ESCENARIOS
Comience con el trabajo que necesita terminar. Cada ejemplo incluye una referencia de escena, un plan de sonido y un mensaje editable para el generador de audio.
Estas son referencias de escenas e ideas de guiones. Genera y escucha tu propio audio en el estudio de arriba.
Dale a una escena de entrega corta su diálogo y los sonidos que establecen una noche lluviosa.
Tome un fotograma clave de su vídeo como referencia de imagen opcional. Genera la pista, luego colócala debajo del clip original en tu editor y ajusta el tiempo.
Crea una escena de entrega en una noche lluviosa de 12 segundos en inglés. De 0 a 2 segundos, lluvia y pisadas sobre pavimento mojado, luego se detiene una bicicleta. Entre 2 y 5 segundos, una mujer dice claramente: “Tu paquete está aquí”. Entre 6 y 9 segundos, una cálida voz masculina a través de un intercomunicador responde: "Gracias, pasa". Termine con un sonido suave al abrir la puerta. Mantenga la lluvia debajo del diálogo. Sin música.
Escribe una escena de despedida con dos personajes distintos, pausas naturales y una cocina tranquila a su alrededor.
Describe la voz y la entrega de cada personaje en el mensaje. Para obtener referencias de voz consistentes, cambie al modo de referencia de audio e identifique las muestras en el orden de carga.
Crea una escena de drama corto nacional de 14 segundos en inglés. Un padre de mediana edad tiene una voz baja y suave; su hija adulta tiene una voz clara y relajada. Ambiente tranquilo de hervidor y cocina. Entre 2 y 5 segundos, el padre pregunta en voz baja: “¿Tienes todo?” Entre 6 y 10 segundos, la hija responde con una sonrisa afectuosa en su voz: “Todo menos tu té”. Se deja una pequeña pausa y luego se deja una taza. Mantenga el fondo sutil y no utilice música.
Combine una narración breve con un clic en un interruptor y una base musical sobria para un anuncio de lámpara de escritorio.
Escriba el texto exacto del anuncio entre comillas y describa la música debajo. Descargue el audio y los subtítulos SRT disponibles y luego combínelos con las fotografías de su producto.
Cree un anuncio de lámpara de escritorio de 12 segundos en inglés. Aproximadamente 1 segundo, un pequeño interruptor de latón hace clic. Entra un lecho instrumental suave y mínimo. De 2 a 9 segundos, una mujer tranquila y segura dice: "Un poco de luz. Un poco de espacio para pensar. Haz espacio para lo que importa". Mantenga la voz cercana y clara, la música baja y deje que las notas finales se desvanezcan naturalmente.
Explora pasos, una cerradura y una pesada puerta de piedra mientras un personaje ingresa a unas ruinas subterráneas.
Describir los materiales, la distancia y el espacio acústico. Utilice una pista de escena completa para un prototipo; Genera efectos individuales por separado cuando necesites activadores de juego independientes.
Crea una escena sonora de juego de aventuras de 10 segundos en una ruina de piedra subterránea. De 0 a 2 segundos, botas de cuero lentas sobre piedra mojada y una antorcha cercana crepitando. Aproximadamente a los 2 segundos, una cerradura de bronce hace clic. De 3 a 6 segundos, una pesada puerta de piedra se abre con un eco prolongado. Deje que el sonido se asiente en un ambiente de caverna grave durante los segundos restantes. Sin voces, discursos ni música.
Combine un escenario, parlantes, líneas exactas, sonidos de fondo y un plan de cronometraje. El audio de referencia utiliza @音频1, @音频2 y @音频3 en orden de carga.
Escribe una longitud total y el intervalo para cada línea. El modelo organiza el audio de estas instrucciones; La alineación exacta del marco sigue siendo un paso de edición.
Descargue MP3, WAV o OGG Opus. Habilite los subtítulos para exportar los tiempos de voz disponibles como SRT, luego coloque ambos archivos en su proyecto de video.
Utilice la generación de escenas cuando las voces y el entorno vayan de la mano. Utilice las herramientas dedicadas de voz o música cuando ese sea el producto principal.
| Herramienta | Lo mejor para | lo que proporcionas | lo que creas |
|---|---|---|---|
| Seed Audio 1.0 | Diálogo con ambientación, narración y efectos sonoros. | Una descripción de la escena, además de referencias opcionales de imagen o audio. | Pista de audio de una escena; subtítulos de voz opcionales |
| Estudio de texto a voz | Narración y guiones organizados en segmentos separados. | Segmentos de guión, voces e instrucciones de entrega. | Segmentos de voz que puedes organizar y exportar |
| Generador de música con IA | Música de fondo y canciones con letra. | Una descripción musical, estilo o letra. | Música o una canción para tu proyecto de vídeo. |
Nombra el escenario y los sonidos. Coloque las líneas habladas exactas entre comillas y describa cada voz.
Utilice solo texto, una imagen o hasta tres referencias de audio breves. Elija la opción de formato y subtítulo.
Escuche su audio, refine la descripción de la escena si es necesario y descargue la pista con los subtítulos SRT disponibles.
Seed Audio 1.0 es el modelo de creación de audio de ByteDance para sonido a nivel de escena. Puede combinar interpretación hablada, efectos de sonido, ambiente y elementos musicales bajo una descripción compartida en lenguaje natural.
Sí. Escribe las líneas exactas y describe a los oradores, las emociones y la entrega. Puede solicitar varios personajes y describir los sonidos circundantes en el mismo mensaje.
Elija Imagen en el generador y cargue un JPG, PNG o WebP de hasta 10 MB. Añade el texto o descripción de sonido que desees. Las referencias de imágenes no se pueden mezclar con referencias de audio o una voz preestablecida en esta integración.
Cargue las muestras en el orden en que las utilizará. Escriba @音频1, @音频2 y @音频3 en su mensaje para identificarlos. Cada muestra debe durar 30 segundos o menos y tener como máximo 10 MB. Una voz preestablecida configurada ocupa un espacio de referencia.
Describe la duración total y el intervalo de tiempo de cada línea del mensaje, por ejemplo, "una escena de 12 segundos; el primer orador habla de 2 a 5 segundos". La salida original máxima es de 120 segundos. Esta página no utiliza un parámetro de duración independiente.
La API actual incluye chino, inglés, japonés, coreano, español mexicano y europeo, alemán, francés, portugués brasileño, tailandés, vietnamita, malayo, filipino, italiano, ruso, holandés, polaco y turco.
El generador acepta texto, una imagen de referencia o referencias de audio breves. Puede extraer un fotograma clave de un vídeo y utilizarlo como referencia de imagen. Generar un video terminado sincronizado o cambiar los movimientos de la boca requiere un flujo de trabajo de video separado.
El generador ofrece audio MP3, WAV y OGG Opus. Si la generación de subtítulos está habilitada y el modelo devuelve marcas de tiempo de voz, puede descargar un archivo SRT. El audio es una pista combinada en lugar de diálogos, música y efectos separados.
El generador muestra la tasa de crédito actual antes del envío. Reserva hasta el máximo de 120 segundos y luego se ajusta a la duración del audio generado original redondeada a un segundo completo. Los créditos reservados no utilizados se devuelven; Los ajustes de velocidad no cambian la duración original utilizada para la facturación.
Detalles comprobados en 2026-10-25.
Comience con la línea, la configuración y los sonidos que desea escuchar.