BYTEDANCE · DŹWIĘK SCENY
Kieruj dialogiem. Zbuduj wokół niego dźwięk.
Utwórz rozmowę z otaczającym ją pokojem, scenę z narracją lub efekt dźwiękowy na podstawie opisu. Seed Audio 1.0 łączy mowę, atmosferę i wskazówki dźwiękowe w jedną wygenerowaną ścieżkę audio.
TWÓRZ Z SEED AUDIO 1.0
Opisz scenę i dokładny dialog. Dodaj opcjonalne odniesienie, wygeneruj, a następnie posłuchaj i pobierz.
Pobierz napisy czasowe, jeśli wygenerowana ścieżka zawiera mowę.
Posłuchaj swojej sceny tutaj
Wygenerowany dźwięk pojawi się tutaj do odtwarzania, pobierania i eksportowania napisów.
PRAWDZIWY WYGENEROWANY DŹWIĘK
Każdy klip poniżej został wygenerowany na PixMind za pomocą Seed Audio 1.0 z jednego promptu tekstowego, bez montażu. Skopiuj prompt, aby odtworzyć scenę.
Dialog + tło dźwiękowe
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.
Narracja
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.
Głos reklamowy
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.
Efekty dźwiękowe
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.
JEDNA SCENA, WIELE DŹWIĘKÓW
Opisz wspólnie przedstawienie i jego otoczenie. Skorzystaj z poniższych wskazówek jako punktów wyjścia dla własnej sceny.
Sceny referencyjne ilustrują szybkie pomysły; nie są generowanymi wynikami audio.
DIALOG + OTOCZENIE
Rozmowa przebiega inaczej w cichej kawiarni, na ruchliwej ulicy czy w pustym holu.
Napisz linię, głos i sposób wypowiedzi każdej postaci, a następnie opisz otaczające dźwięki. Seed Audio może generować dialogi i ich tło w jednej ścieżce.
Utwórz 12-sekundową scenę kawiarnianą w języku angielskim. Przez 2–5 sekund kobieta pyta cicho: „Czy możemy tu poczekać?” Przez 6–9 sekund mężczyzna odpowiada: „Dopóki nie przestanie padać”. Na zewnątrz delikatny deszcz, ciche filiżanki i niska atmosfera w pomieszczeniu. Brak głośnej muzyki.
DŹWIĘK Z OBRAZEM
Linia brzegowa może sugerować wiatr, fale i odległe ptaki, zanim napiszesz linię.
Prześlij jeden obraz, który będzie przewodnikiem dźwięku, a następnie opisz wybrane dźwięki lub wypowiadane słowa. Klatka kluczowa wideo może służyć jako odniesienie dla ścieżki audio, którą zmiksujesz w swojej edycji.
Stwórz dla tego zdjęcia 15 sekund nadmorskiej atmosfery. Wiatr porusza się po trawie, fale rozbijają się o skały, a w oddali od czasu do czasu słychać mewy. Żadnej mowy i muzyki. Niech fale wznoszą się i opadają naturalnie.
EFEKTY DŹWIĘKOWE + CZAS
Zatrzask klika. Skrzynka narzędziowa zamyka się. Pokój ponownie pogrąża się w szumie tła.
Opisz obiekt, działanie, materiał i przestrzeń, aby ukształtować efekt. Dodaj żądaną długość i synchronizację w języku naturalnym lub wygeneruj izolowany dźwięk, aby nałożyć go na większą edycję.
Stwórz 8-sekundową scenę dźwiękową przypominającą warsztat rowerowy. Mały metalowy zatrzask klika po około 2 sekundach. Skrzynka narzędziowa z czerwonej stali zamyka się z solidnym trzaskiem po około 3 sekundach. Kilka narzędzi grzechocze, a potem cichnie w cichym tonie pomieszczenia warsztatowego. Żadnej mowy i żadnej muzyki.
KSIĄŻKI SCENARIUSZOWE
Zacznij od zadania, które musisz dokończyć. Każdy przykład zawiera odniesienie do sceny, plan dźwiękowy i edytowalny monit o generator dźwięku.
Są to odniesienia do scen i pomysły na scenariusz. Wygeneruj i słuchaj własnego dźwięku w studiu powyżej.
Nadaj krótkiej scenie dostawy dialog i dźwięki, które uświetnią deszczową noc.
Użyj klatki kluczowej ze swojego filmu jako opcjonalnego odniesienia do obrazu. Wygeneruj ścieżkę, a następnie umieść ją pod oryginalnym klipem w edytorze i dostosuj synchronizację.
Utwórz 12-sekundową scenę dostawy w deszczową noc po angielsku. Od 0–2 sekund deszcz i kroki na mokrej nawierzchni, po czym rower się zatrzymuje. Przez 2–5 sekund kobieta mówi wyraźnie: „Twoja paczka jest tutaj”. Przez 6–9 sekund ciepły męski głos odpowiada przez domofon: „Dziękuję, wejdź”. Zakończ cichym dźwiękiem otwierania drzwi. Trzymaj deszcz pod dialogiem. Żadnej muzyki.
Napisz scenę pożegnalną z dwiema różnymi postaciami, naturalnymi przerwami i cichą kuchnią wokół nich.
Opisz głos i sposób wypowiadania się każdej postaci w monicie. Aby uzyskać spójne odniesienia głosowe, przełącz się na tryb referencyjny audio i zidentyfikuj próbki w kolejności przesyłania.
Utwórz 14-sekundową scenę krótkometrażową w języku angielskim. Ojciec w średnim wieku ma niski, delikatny głos; jego dorosła córka ma czysty, zrelaksowany głos. Cichy czajnik i atmosfera w kuchni. Przez 2–5 sekund ojciec pyta cicho: „Masz wszystko?” Przez 6–10 sekund córka odpowiada z czułym uśmiechem w głosie: „Wszystko oprócz twojej herbaty”. Zostaw małą pauzę, a następnie odstaw filiżankę. Zachowaj subtelne tło i nie używaj muzyki.
Połącz krótką narrację z kliknięciem przełącznika i powściągliwym łóżkiem muzycznym, aby stworzyć reklamę lampy biurkowej.
Wpisz dokładny tekst reklamy w cudzysłowie i opisz znajdującą się pod nim muzykę. Pobierz dźwięk i dostępne napisy SRT, a następnie połącz je ze zdjęciami produktów.
Utwórz 12-sekundową reklamę lampy biurkowej w języku angielskim. Po około 1 sekundzie słychać kliknięcie małego mosiężnego przełącznika. Wchodzi miękkie, minimalne łóżko instrumentalne. Przez 2–9 sekund spokojna, pewna siebie kobieta mówi: „Trochę światła. Trochę miejsca na myślenie. Zrób przestrzeń na to, co ważne”. Utrzymuj głos blisko i wyraźnie, muzykę cichszą i pozwól, aby końcowe nuty zanikały naturalnie.
Zbadaj ślady, zamek i ciężkie kamienne drzwi, gdy postać wchodzi do podziemnych ruin.
Opisz materiały, odległość i przestrzeń akustyczną. Użyj ścieżki pełnej sceny dla prototypu; generuj poszczególne efekty osobno, gdy potrzebujesz niezależnych wyzwalaczy gry.
Stwórz 10-sekundową scenę dźwiękową z gry przygodowej w podziemnych kamiennych ruinach. Od 0 do 2 sekund powolne skórzane buty na mokrym kamieniu i trzaskanie pobliskiej pochodni. Po około 2 sekundach słychać kliknięcie brązowego zamka. Od 3 do 6 sekund ciężkie kamienne drzwi otwierają się z długim echem. Pozwól, aby dźwięk osiadł w atmosferze niskiej jaskini na pozostałe sekundy. Żadnych głosów, mowy i muzyki.
Połącz ustawienie, głośniki, dokładne linie, dźwięki tła i plan czasowy. Referencyjny dźwięk wykorzystuje @音频1, @音频2 i @音频3 w kolejności przesyłania.
Zapisz całkowitą długość i odstęp dla każdej linii. Model porządkuje dźwięk na podstawie tych instrukcji; dokładne wyrównanie ramek pozostaje etapem edycji.
Pobierz MP3, WAV lub OGG Opus. Włącz napisy, aby wyeksportować dostępne taktowanie mowy jako SRT, a następnie umieść oba pliki w swoim projekcie wideo.
Użyj generowania scen, gdy głosy i otoczenie pasują do siebie. Użyj dedykowanych narzędzi do mówienia lub muzyki, jeśli jest to główny produkt.
| Narzędzie | Najlepsze dla | Co zapewniasz | Co tworzysz |
|---|---|---|---|
| Seed Audio 1.0 | Dialog z atmosferą, narracją i efektami dźwiękowymi | Opis sceny oraz opcjonalne odniesienia do obrazu lub dźwięku | Ścieżka dźwiękowa z jedną sceną; opcjonalne napisy mowy |
| Studio zamiany tekstu na mowę | Narracja i scenariusze ułożone w oddzielnych segmentach | Segmenty skryptu, głosy i instrukcje dotyczące dostarczania | Segmenty mowy, które możesz porządkować i eksportować |
| Generator muzyki AI | Muzyka w tle i piosenki z tekstami | Opis muzyki, styl lub tekst | Muzyka lub piosenka do Twojego projektu wideo |
Nazwij ustawienie i dźwięki. Umieść dokładne wypowiedzi w cudzysłowie i opisz każdy głos.
Użyj samego tekstu, jednego obrazu lub maksymalnie trzech krótkich referencji dźwiękowych. Wybierz format i opcję napisów.
Posłuchaj swojego dźwięku, w razie potrzeby doprecyzuj opis sceny i pobierz utwór z dowolnymi dostępnymi napisami SRT.
Seed Audio 1.0 to model tworzenia dźwięku ByteDance dla dźwięku na poziomie sceny. Może łączyć występy mówione, efekty dźwiękowe, atmosferę i elementy muzyczne w ramach wspólnego opisu w języku naturalnym.
Tak. Napisz dokładnie te słowa i opisz głośniki, emocje i przekaz. Możesz poprosić o wiele znaków i opisać otaczające dźwięki w tym samym wierszu.
Wybierz Obraz w generatorze i prześlij jeden JPG, PNG lub WebP do 10 MB. Dodaj żądany opis tekstowy lub dźwiękowy. W ramach tej integracji odniesień do obrazów nie można łączyć z odniesieniami audio ani wstępnie ustawionym głosem.
Prześlij próbki w kolejności, w jakiej będziesz ich używać. Wpisz @音频1, @音频2 i @音频3 w monicie, aby je zidentyfikować. Każda próbka musi trwać 30 sekund lub krócej i maksymalnie 10 MB. Skonfigurowany, wstępnie ustawiony głos zajmuje jedno miejsce referencyjne.
Opisz całkowity czas trwania i okno czasowe każdego wiersza zachęty, na przykład „12-sekundowa scena; pierwszy mówca mówi od 2 do 5 sekund”. Maksymalny czas trwania oryginału wynosi 120 sekund. Na tej stronie nie jest używany oddzielny parametr czasu trwania.
Obecny interfejs API obejmuje języki chiński, angielski, japoński, koreański, meksykański i europejski, hiszpański, niemiecki, francuski, brazylijski portugalski, tajski, wietnamski, malajski, filipiński, włoski, rosyjski, holenderski, polski i turecki.
Generator akceptuje tekst, jeden obraz referencyjny lub krótkie referencje audio. Możesz wyodrębnić klatkę kluczową z filmu i użyć jej jako odniesienia do obrazu. Generowanie zsynchronizowanego gotowego wideo lub zmiana ruchów ust wymaga osobnego przepływu pracy wideo.
Generator oferuje dźwięk MP3, WAV i OGG Opus. Jeśli włączone jest generowanie napisów i model zwraca znaczniki czasu mowy, możesz pobrać plik SRT. Dźwięk to jedna połączona ścieżka, a nie osobne ścieżki dialogowe, muzyczne i efekty.
Generator pokazuje aktualną stopę kredytu przed złożeniem wniosku. Rezerwuje maksymalnie 120 sekund, a następnie rozlicza się z pierwotnie wygenerowanym czasem trwania dźwięku zaokrąglonym w górę do pełnej sekundy. Niewykorzystane zarezerwowane środki są zwracane; korekty prędkości nie zmieniają pierwotnego czasu trwania używanego do rozliczeń.
Szczegóły sprawdzone na 2026-10-25.
Zacznij od linii, ustawienia i dźwięków, które chcesz usłyszeć.