BYTEDANCE · ÁUDIO DE CENA
Direcione o diálogo. Construa o som em torno disso.
Crie uma conversa com a sala ao seu redor, uma cena narrada ou um efeito sonoro a partir de uma descrição. Seed Audio 1.0 traz fala, ambiente e sinais sonoros em uma trilha de áudio gerada.
CRIAR COM SEED AUDIO 1.0
Descreva a cena e o diálogo exato. Adicione uma referência opcional, gere, ouça e baixe.
Baixe legendas cronometradas quando a faixa gerada contiver fala.
Ouça sua cena aqui
O áudio gerado aparecerá aqui para reprodução, download e exportação de legendas.
ÁUDIO GERADO DE VERDADE
Todos os clipes abaixo foram gerados no PixMind com o Seed Audio 1.0 a partir de um único prompt de texto, sem edição. Copie o prompt para recriar a cena.
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.
Narração
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 publicitária
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.
Efeitos sonoros
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.
UMA CENA, MÚLTIPLOS SONS
Descreva o desempenho e seu entorno juntos. Use as instruções abaixo como pontos de partida para sua própria cena.
Cenas de referência ilustram ideias imediatas; eles não são gerados resultados de áudio.
DIÁLOGO + AMBIENTE
Uma conversa parece diferente num café tranquilo, numa rua movimentada ou num salão vazio.
Escreva a fala, a voz e a fala de cada personagem e, em seguida, descreva os sons ao redor. Seed Audio pode gerar diálogo e seu plano de fundo juntos em uma trilha.
Crie uma cena de café de 12 segundos em inglês. De 2 a 5 segundos, uma mulher pergunta baixinho: “Vamos esperar aqui?” De 6 a 9 segundos, um homem responde: “Até a chuva parar”. Chuva suave lá fora, xícaras silenciosas e ambiente baixo. Sem música alta.
ÁUDIO GUIADO POR IMAGEM
Um litoral pode sugerir vento, ondas e pássaros distantes antes de você escrever uma linha.
Carregue uma imagem para guiar o áudio e descreva os sons ou palavras faladas desejadas. Um quadro-chave de vídeo pode servir como referência para uma trilha de áudio que você mixará em sua edição.
Crie 15 segundos de ambiente costeiro para esta imagem. O vento se move pela grama, as ondas quebram contra as rochas e gaivotas ocasionais cantam ao longe. Sem discurso ou música. Deixe as ondas subirem e desaparecerem naturalmente.
EFEITOS SONOROS + TEMPO
Uma trava clica. Uma caixa de ferramentas é fechada. A sala volta ao zumbido de fundo.
Descreva o objeto, a ação, o material e o espaço para moldar um efeito. Adicione a duração e o tempo desejados em linguagem natural ou gere um som isolado para sobrepor em uma edição maior.
Crie uma cena sonora de oficina de bicicletas de 8 segundos. Uma pequena trava de metal clica em cerca de 2 segundos. Uma caixa de ferramentas de aço vermelha fecha com um som sólido em cerca de 3 segundos. Algumas ferramentas chacoalham e depois desaparecem no tom silencioso da sala de oficina. Sem discurso e sem música.
MANUAL DE CENÁRIO
Comece com o trabalho que você precisa terminar. Cada exemplo inclui uma referência de cena, um plano de som e um prompt editável para o gerador de áudio.
Estas são referências de cena e ideias de roteiro. Gere e ouça seu próprio áudio no estúdio acima.
Dê a uma curta cena de entrega o diálogo e os sons que estabelecem uma noite chuvosa.
Pegue um quadro-chave do seu vídeo como referência de imagem opcional. Gere a faixa, coloque-a sob o clipe original em seu editor e ajuste o tempo.
Crie uma cena de entrega de 12 segundos em uma noite chuvosa em inglês. De 0 a 2 segundos, chuva e passos em pavimento molhado, depois uma bicicleta para. De 2 a 5 segundos, uma mulher diz claramente: “Seu pacote está aqui”. De 6 a 9 segundos, uma voz masculina calorosa responde por um interfone: “Obrigado, entre.” Termine com um som silencioso de abertura de porta. Mantenha a chuva abaixo do diálogo. Sem música.
Escreva uma cena de despedida com dois personagens distintos, pausas naturais e uma cozinha tranquila ao seu redor.
Descreva a voz e a entrega de cada personagem no prompt. Para referências de voz consistentes, mude para o modo de referência de áudio e identifique as amostras na ordem de upload.
Crie uma cena dramática doméstica de 14 segundos em inglês. Um pai de meia-idade tem uma voz baixa e gentil; sua filha adulta tem uma voz clara e relaxada. Chaleira tranquila e ambiente de cozinha. De 2 a 5 segundos, o pai pergunta baixinho: “Você tem tudo?” De 6 a 10 segundos, a filha responde com um sorriso afetuoso na voz: “Tudo menos o seu chá”. Deixe uma pequena pausa e então uma xícara é colocada. Mantenha o fundo sutil e não use música.
Combine uma narração curta com um clique de botão e uma base musical contida para um anúncio de luminária de mesa.
Escreva o texto exato do anúncio entre aspas e descreva a música abaixo dele. Baixe o áudio e as legendas SRT disponíveis e combine-os com as fotos do produto.
Crie um anúncio de luminária de mesa de 12 segundos em inglês. Após cerca de 1 segundo, um pequeno interruptor de latão aciona. Uma cama instrumental suave e minimalista entra. De 2 a 9 segundos, uma mulher calma e confiante diz: "Um pouco de luz. Um pouco de espaço para pensar. Abra espaço para o que importa." Mantenha a voz próxima e clara, a música baixa e deixe as notas finais desaparecerem naturalmente.
Explore passos, uma fechadura e uma pesada porta de pedra enquanto um personagem entra em uma ruína subterrânea.
Descrever os materiais, distância e espaço acústico. Use uma trilha de cena completa para um protótipo; gere efeitos individuais separadamente quando precisar de gatilhos de jogo independentes.
Crie uma cena sonora de jogo de aventura de 10 segundos em uma ruína subterrânea de pedra. De 0 a 2 segundos, botas de couro lentas em pedra molhada e uma tocha próxima crepitando. Após cerca de 2 segundos, uma trava de bronze clica. De 3 a 6 segundos, uma pesada porta de pedra se abre com um longo eco. Deixe o som se estabelecer em um ambiente de caverna baixa pelos segundos restantes. Sem vozes, fala ou música.
Combine uma configuração, alto-falantes, linhas exatas, sons de fundo e um plano de tempo. O áudio de referência usa @音频1, @音频2 e @音频3 na ordem de upload.
Escreva um comprimento total e o intervalo para cada linha. O modelo organiza o áudio destas instruções; o alinhamento exato do quadro continua sendo uma etapa de edição.
Baixe MP3, WAV ou OGG Opus. Ative as legendas para exportar o tempo de fala disponível como SRT e, em seguida, coloque os dois arquivos em seu projeto de vídeo.
Use a geração de cena quando as vozes e o ambiente estiverem juntos. Use as ferramentas dedicadas de fala ou música quando esse for o resultado principal.
| Ferramenta | Melhor para | O que você fornece | O que você cria |
|---|---|---|---|
| Seed Audio 1.0 | Diálogo com ambientação, narração e efeitos sonoros | Uma descrição da cena, além de referências opcionais de imagem ou áudio | Uma trilha de áudio de cena; legendas de fala opcionais |
| Estúdio de conversão de texto em fala | Narração e roteiros organizados em segmentos separados | Segmentos de script, vozes e instruções de entrega | Segmentos de fala que você pode organizar e exportar |
| Gerador de música com IA | Música de fundo e músicas com letras | Uma descrição, estilo ou letra da música | Música ou uma música para o seu projeto de vídeo |
Dê um nome à configuração e aos sons. Coloque as falas exatas entre aspas e descreva cada voz.
Use apenas texto, uma imagem ou até três referências curtas de áudio. Escolha a opção de formato e legenda.
Ouça seu áudio, refine a descrição da cena, se necessário, e baixe a faixa com qualquer legenda SRT disponível.
Seed Audio 1.0 é o modelo de criação de áudio da ByteDance para som em nível de cena. Pode combinar performance falada, efeitos sonoros, ambiente e elementos musicais sob uma descrição compartilhada em linguagem natural.
Sim. Escreva as falas exatas e descreva os palestrantes, emoções e entrega. Você pode solicitar vários caracteres e descrever os sons circundantes no mesmo prompt.
Escolha Imagem no gerador e carregue um JPG, PNG ou WebP de até 10 MB. Adicione o texto ou a descrição sonora desejada. As referências de imagem não podem ser misturadas com referências de áudio ou voz predefinida nesta integração.
Carregue as amostras na ordem em que você as usará. Escreva @音频1, @音频2 e @音频3 em seu prompt para identificá-los. Cada amostra deve ter 30 segundos ou menos e no máximo 10 MB. Uma voz predefinida configurada ocupa um slot de referência.
Descreva a duração total e a janela de tempo de cada linha no prompt, por exemplo “uma cena de 12 segundos; o primeiro orador fala de 2 a 5 segundos”. A saída original máxima é de 120 segundos. Esta página não usa um parâmetro de duração separado.
A API atual lista chinês, inglês, japonês, coreano, espanhol mexicano e europeu, alemão, francês, português brasileiro, tailandês, vietnamita, malaio, filipino, italiano, russo, holandês, polonês e turco.
O gerador aceita texto, uma imagem de referência ou pequenas referências de áudio. Você pode extrair um quadro-chave de um vídeo e usá-lo como referência de imagem. Gerar um vídeo finalizado sincronizado ou alterar os movimentos da boca requer um fluxo de trabalho de vídeo separado.
O gerador oferece áudio MP3, WAV e OGG Opus. Se a geração de legendas estiver habilitada e o modelo retornar carimbos de data/hora de fala, você poderá baixar um arquivo SRT. O áudio é uma faixa combinada, em vez de diálogos, músicas e efeitos separados.
O gerador mostra a taxa de crédito atual antes do envio. Ele reserva até o máximo de 120 segundos e depois se ajusta à duração do áudio original gerado, arredondada para um segundo inteiro. Os créditos reservados não utilizados são devolvidos; os ajustes de velocidade não alteram a duração original usada para faturamento.
Detalhes verificados em 2026-10-25.
Comece com a linha, o cenário e os sons que deseja ouvir.