BYTEDANCE · เสียงฉาก
กำกับบทสนทนา สร้างเสียงรอบข้าง.
สร้างการสนทนากับห้องรอบๆ ฉากบรรยาย หรือเอฟเฟกต์เสียงจากคำอธิบาย Seed Audio 1.0 นำคำพูด บรรยากาศ และเสียงมาไว้ในแทร็กเสียงที่สร้างขึ้นเพียงแทร็กเดียว
สร้างด้วย SEED AUDIO 1.0
อธิบายฉากและบทสนทนาที่ชัดเจน เพิ่มข้อมูลอ้างอิงเสริม สร้าง จากนั้นฟังและดาวน์โหลด
ดาวน์โหลดคำบรรยายแบบกำหนดเวลาเมื่อแทร็กที่สร้างขึ้นมีเสียงพูด
ฟังฉากของคุณที่นี่
เสียงที่คุณสร้างขึ้นจะปรากฏที่นี่เพื่อเล่น ดาวน์โหลด และส่งออกคำบรรยาย
เสียงที่สร้างจริง
คลิปด้านล่างทั้งหมดสร้างบน PixMind ด้วย Seed Audio 1.0 จากข้อความพรอมป์เดียวโดยไม่มีการตัดต่อ คัดลอกพรอมป์เพื่อสร้างฉากเดิมซ้ำได้
บทสนทนา + เสียงแวดล้อม
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.
เสียงบรรยาย
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.
เสียงโฆษณา
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.
เสียงเอฟเฟกต์
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.
หนึ่งฉาก หลายเสียง
อธิบายการแสดงและสภาพแวดล้อมพร้อมกัน ใช้ข้อความแจ้งด้านล่างเป็นจุดเริ่มต้นสำหรับฉากของคุณเอง
ฉากอ้างอิงแสดงให้เห็นถึงแนวคิดที่รวดเร็ว พวกเขาไม่ได้สร้างผลลัพธ์เสียง
บทสนทนา + บรรยากาศ
การสนทนาให้ความรู้สึกที่แตกต่างในร้านกาแฟที่เงียบสงบ ถนนที่พลุกพล่าน หรือในห้องโถงที่ว่างเปล่า
เขียนประโยค น้ำเสียง และการถ่ายทอดของตัวละครแต่ละตัว จากนั้นบรรยายเสียงรอบข้าง Seed Audio สามารถสร้างบทสนทนาและพื้นหลังพร้อมกันในแทร็กเดียว
สร้างฉากคาเฟ่ 12 วินาทีเป็นภาษาอังกฤษ ผู้หญิงคนหนึ่งถามเบา ๆ ในช่วง 2-5 วินาที: “เราจะรอที่นี่ไหม” ชายคนหนึ่งตอบกลับไปเป็นเวลา 6-9 วินาที: "จนกว่าฝนจะหยุดตก" ข้างนอกมีฝนตกเบาๆ แก้วเงียบๆ และบรรยากาศห้องต่ำ ไม่มีเสียงเพลงดัง
เสียงนำทางด้วยภาพ
แนวชายฝั่งอาจบ่งบอกถึงลม คลื่น และนกที่อยู่ห่างไกลก่อนที่คุณจะเขียนเส้น
อัปโหลดหนึ่งภาพเพื่อเป็นแนวทางเสียง จากนั้นอธิบายเสียงหรือคำพูดที่คุณต้องการ คีย์เฟรมวิดีโอสามารถใช้เป็นข้อมูลอ้างอิงสำหรับแทร็กเสียงที่คุณจะมิกซ์ในการตัดต่อของคุณ
สร้างบรรยากาศชายฝั่งเป็นเวลา 15 วินาทีสำหรับภาพนี้ ลมพัดผ่านหญ้า คลื่นซัดหิน และมีนกนางนวลร้องเรียกเป็นระยะๆ ไม่มีคำพูดหรือดนตรี ปล่อยให้คลื่นขึ้นและจางลงอย่างเป็นธรรมชาติ
เอฟเฟกต์เสียง + จังหวะเวลา
สลักคลิก กล่องเครื่องมือจะปิดลง ห้องกลับกลายเป็นเสียงครวญครางเบื้องหลัง
อธิบายวัตถุ การกระทำ วัสดุ และพื้นที่เพื่อสร้างเอฟเฟกต์ เพิ่มความยาวและจังหวะที่ต้องการในภาษาธรรมชาติ หรือสร้างเสียงที่แยกออกมาเพื่อซ้อนเป็นการแก้ไขที่ใหญ่ขึ้น
สร้างฉากเสียงการประชุมเชิงปฏิบัติการจักรยาน 8 วินาที สลักโลหะขนาดเล็กจะคลิกประมาณ 2 วินาที กล่องเครื่องมือเหล็กสีแดงปิดโดยมีเสียงดังกึกก้องในเวลาประมาณ 3 วินาที เครื่องมือบางอย่างสั่น แล้วจางหายไปเป็นเสียงห้องเวิร์คช็อปอันเงียบสงบ ไม่มีคำพูดและไม่มีดนตรี
หนังสือนิทานสถานการณ์
เริ่มต้นด้วยงานที่คุณต้องทำให้เสร็จ แต่ละตัวอย่างประกอบด้วยการอ้างอิงฉาก แผนการเสียง และข้อความแจ้งที่แก้ไขได้สำหรับเครื่องกำเนิดเสียง
สิ่งเหล่านี้เป็นการอ้างอิงฉากและแนวคิดเกี่ยวกับสคริปต์ สร้างและฟังเสียงของคุณเองในสตูดิโอด้านบน
สร้างบทสนทนาสั้นๆ ให้กับฉากส่งของและเสียงที่ทำให้เกิดค่ำคืนที่ฝนตก
ใช้คีย์เฟรมจากวิดีโอของคุณเป็นข้อมูลอ้างอิงรูปภาพเพิ่มเติม สร้างแทร็ก จากนั้นวางไว้ใต้คลิปต้นฉบับในตัวแก้ไขของคุณและปรับจังหวะเวลา
สร้างฉากส่งของคืนฝนตก 12 วินาทีเป็นภาษาอังกฤษ ในช่วง 0–2 วินาที ฝนและฝีเท้าบนทางเท้าเปียก จากนั้นจักรยานก็หยุด ผู้หญิงคนหนึ่งพูดอย่างชัดเจนในช่วง 2-5 วินาทีว่า: “พัสดุของคุณมาถึงแล้ว” ในช่วง 6-9 วินาที เสียงผู้ชายที่อบอุ่นผ่านอินเตอร์คอมตอบกลับว่า “ขอบคุณ เข้ามาเลย” ปิดท้ายด้วยเสียงเปิดประตูอันเงียบสงบ เก็บสายฝนไว้ใต้บทสนทนา ไม่มีดนตรี.
เขียนฉากอำลาด้วยตัวละครสองตัวที่แตกต่างกัน การหยุดชั่วคราวอย่างเป็นธรรมชาติ และห้องครัวที่เงียบสงบล้อมรอบพวกเขา
อธิบายเสียงและการแสดงของตัวละครแต่ละตัวในข้อความแจ้ง เพื่อการอ้างอิงเสียงที่สอดคล้องกัน ให้เปลี่ยนไปใช้โหมดอ้างอิงเสียงและระบุตัวอย่างตามลำดับการอัปโหลด
สร้างฉากละครสั้นในประเทศความยาว 14 วินาทีเป็นภาษาอังกฤษ พ่อวัยกลางคนมีเสียงทุ้มและอ่อนโยน ลูกสาวคนโตของเขามีน้ำเสียงที่ชัดเจนและผ่อนคลาย กาต้มน้ำที่เงียบสงบและบรรยากาศห้องครัว จาก 2–5 วินาที พ่อถามเบาๆ: “คุณมีทุกอย่างแล้วเหรอ?” ลูกสาวตอบด้วยรอยยิ้มที่รักใคร่ด้วยเสียงของเธอเป็นเวลา 6-10 วินาที: "ทุกอย่างยกเว้นชาของคุณ" เว้นระยะไว้เล็กน้อย จากนั้นจึงวางถ้วยลง รักษาพื้นหลังให้ละเอียดอ่อนและไม่ต้องใช้ดนตรี
รวมคำบรรยายสั้นๆ เข้ากับการคลิกสวิตช์และเตียงดนตรีที่ควบคุมไม่ได้สำหรับโฆษณาโคมไฟตั้งโต๊ะ
เขียนข้อความโฆษณาให้ถูกต้องด้วยเครื่องหมายคำพูดและอธิบายเพลงด้านล่าง ดาวน์โหลดเสียงและคำบรรยาย SRT ที่มี จากนั้นรวมเข้ากับภาพผลิตภัณฑ์ของคุณ
สร้างโฆษณาโคมไฟตั้งโต๊ะความยาว 12 วินาทีเป็นภาษาอังกฤษ เมื่อเวลาประมาณ 1 วินาที สวิตช์ทองเหลืองอันเล็กๆ ก็คลิก มีเตียงเครื่องดนตรีที่นุ่มและเรียบง่ายเข้ามา ผู้หญิงที่สงบและมั่นใจพูดว่า: “แสงสว่างดวงเล็กๆ พื้นที่เล็กๆ ให้คิด สร้างพื้นที่ให้กับสิ่งที่สำคัญ” ในระยะเวลา 2-9 วินาที รักษาเสียงให้ใกล้และชัดเจน ดนตรีเบา และปล่อยให้โน้ตสุดท้ายจางหายไปอย่างเป็นธรรมชาติ
สำรวจรอยเท้า ล็อค และประตูหินหนักเมื่อตัวละครเข้าไปในซากปรักหักพังใต้ดิน
อธิบายวัสดุ ระยะทาง และพื้นที่เสียง ใช้แทร็กฉากแบบเต็มสำหรับต้นแบบ สร้างเอฟเฟกต์แยกกันเมื่อคุณต้องการทริกเกอร์เกมอิสระ
สร้างฉากเสียงเกมผจญภัย 10 วินาทีในซากหินใต้ดิน ในช่วงเวลา 0–2 วินาที รองเท้าหนังจะเดินช้าๆ บนหินเปียก และคบไฟในบริเวณใกล้เคียงก็ส่งเสียงแตก เมื่อเวลาประมาณ 2 วินาที ล็อคสีบรอนซ์ก็คลิก ภายในเวลา 3-6 วินาที ประตูหินหนักๆ ก็เปิดออกพร้อมกับเสียงก้องยาว ปล่อยให้เสียงเข้าสู่บรรยากาศถ้ำต่ำในช่วงเวลาที่เหลือ ไม่มีเสียง คำพูด หรือดนตรี
รวมการตั้งค่า ลำโพง บทพูด เสียงพื้นหลัง และแผนการกำหนดเวลาเข้าด้วยกัน เสียงอ้างอิงใช้ @音频1, @音频2 และ @音频3 ในลำดับการอัปโหลด
เขียนความยาวรวมและช่วงเวลาของแต่ละบรรทัด โมเดลจะจัดเรียงเสียงตามคำแนะนำเหล่านี้ การจัดตำแหน่งเฟรมที่แน่นอนยังคงเป็นขั้นตอนการแก้ไข
ดาวน์โหลด MP3, WAV หรือ OGG Opus เปิดใช้งานคำบรรยายเพื่อส่งออกจังหวะคำพูดที่มีอยู่เป็น SRT จากนั้นวางทั้งสองไฟล์ลงในโปรเจ็กต์วิดีโอของคุณ
ใช้การสร้างฉากเมื่อเสียงและสภาพแวดล้อมอยู่รวมกัน ใช้เครื่องมือพูดหรือดนตรีโดยเฉพาะเมื่อเป็นสิ่งส่งมอบหลัก
| เครื่องมือ | ดีที่สุดสำหรับ | สิ่งที่คุณให้ | สิ่งที่คุณสร้าง |
|---|---|---|---|
| Seed Audio 1.0 | บทสนทนาพร้อมบรรยากาศ การบรรยาย และเสียงประกอบ | คำอธิบายฉาก รวมถึงรูปภาพหรือเสียงอ้างอิงเสริม | แทร็กเสียงฉากเดียว คำบรรยายคำพูดเสริม |
| สตูดิโอแปลงข้อความเป็นคำพูด | การบรรยายและสคริปต์แยกเป็นส่วนๆ | ส่วนสคริปต์ เสียง และคำแนะนำในการจัดส่ง | ส่วนคำพูดที่คุณสามารถจัดเรียงและส่งออกได้ |
| เครื่องกำเนิดเพลง AI | เพลงประกอบและเพลงพร้อมเนื้อเพลง | คำอธิบายเพลง สไตล์ หรือเนื้อเพลง | เพลงหรือเพลงสำหรับโปรเจ็กต์วิดีโอของคุณ |
ตั้งชื่อการตั้งค่าและเสียง ใส่คำพูดที่ถูกต้องในเครื่องหมายคำพูดและอธิบายแต่ละเสียง
ใช้ข้อความเพียงอย่างเดียว รูปภาพหนึ่งภาพ หรือการอ้างอิงเสียงสั้นๆ สูงสุดสามรายการ เลือกตัวเลือกรูปแบบและคำบรรยาย
ฟังเสียงของคุณ ปรับแต่งคำอธิบายฉากหากจำเป็น และดาวน์โหลดแทร็กพร้อมคำบรรยาย SRT ที่พร้อมใช้งาน
Seed Audio 1.0 คือโมเดลการสร้างเสียงของ ByteDance สำหรับเสียงระดับฉาก สามารถรวมการแสดงคำพูด เอฟเฟกต์เสียง บรรยากาศ และองค์ประกอบทางดนตรีไว้ภายใต้คำอธิบายภาษาธรรมชาติที่ใช้ร่วมกัน
ใช่ เขียนบรรทัดให้ถูกต้องและอธิบายผู้พูด อารมณ์ และการนำเสนอ คุณสามารถขออักขระหลายตัวและอธิบายเสียงรอบข้างได้ในพร้อมท์เดียวกัน
เลือกรูปภาพในเครื่องมือสร้างและอัปโหลด JPG, PNG หรือ WebP หนึ่งรายการสูงสุด 10 MB เพิ่มคำอธิบายข้อความหรือเสียงที่คุณต้องการ การอ้างอิงรูปภาพไม่สามารถผสมกับการอ้างอิงเสียงหรือเสียงที่กำหนดไว้ล่วงหน้าในการรวมระบบนี้ได้
อัปโหลดตัวอย่างตามลำดับที่คุณจะใช้ เขียน @音频1, @音频2 และ @音频3 ในข้อความแจ้งของคุณเพื่อระบุ แต่ละตัวอย่างต้องมีความยาวไม่เกิน 30 วินาที และมีขนาดไม่เกิน 10 MB เสียงที่ตั้งไว้ล่วงหน้าที่กำหนดค่าไว้จะใช้ช่องอ้างอิงหนึ่งช่อง
อธิบายระยะเวลารวมและกรอบเวลาของแต่ละบรรทัดในข้อความแจ้ง เช่น “ฉาก 12 วินาที ผู้พูดคนแรกพูดตั้งแต่ 2 ถึง 5 วินาที” เอาต์พุตต้นฉบับสูงสุดคือ 120 วินาที หน้านี้ไม่ได้ใช้พารามิเตอร์ระยะเวลาแยกต่างหาก
API ปัจจุบันแสดงรายการภาษาจีน อังกฤษ ญี่ปุ่น เกาหลี เม็กซิโก และยุโรปสเปน เยอรมัน ฝรั่งเศส โปรตุเกสแบบบราซิล ไทย เวียดนาม มาเลย์ ฟิลิปปินส์ อิตาลี รัสเซีย ดัตช์ โปแลนด์ และตุรกี
ตัวสร้างยอมรับข้อความ รูปภาพอ้างอิงหนึ่งภาพ หรือการอ้างอิงเสียงสั้นๆ คุณสามารถแยกคีย์เฟรมออกจากวิดีโอและใช้เป็นข้อมูลอ้างอิงรูปภาพได้ การสร้างวิดีโอที่ซิงโครไนซ์เสร็จแล้วหรือการเปลี่ยนการเคลื่อนไหวของปากจำเป็นต้องมีเวิร์กโฟลว์วิดีโอแยกต่างหาก
เครื่องกำเนิดไฟฟ้านำเสนอเสียง MP3, WAV และ OGG Opus หากเปิดใช้งานการสร้างคำบรรยายและโมเดลส่งคืนการประทับเวลาคำพูด คุณสามารถดาวน์โหลดไฟล์ SRT ได้ เสียงเป็นแทร็กเดียวที่รวมกัน แทนที่จะเป็นบทสนทนา ดนตรี และเอฟเฟกต์ที่แยกจากกัน
เครื่องกำเนิดจะแสดงอัตราเครดิตปัจจุบันก่อนที่จะส่ง โดยจะสงวนไว้สูงสุด 120 วินาที จากนั้นจะเทียบกับระยะเวลาเสียงที่สร้างขึ้นต้นฉบับโดยปัดเศษขึ้นเป็นวินาทีทั้งหมด เครดิตสำรองที่ไม่ได้ใช้จะถูกส่งคืน การปรับความเร็วไม่เปลี่ยนแปลงระยะเวลาเดิมที่ใช้ในการเรียกเก็บเงิน
ตรวจสอบรายละเอียดใน 2026-10-25
เริ่มต้นด้วยเส้น การตั้งค่า และเสียงที่คุณต้องการได้ยิน