让角色在同一个场景中对话
写下台词、人物声音和周围环境，一次生成包含背景氛围的对话音轨。
AI 音频生成 · SEED AUDIO 1.0
描述一个场景，让它有声音
生成角色对话、旁白、音效和背景氛围，合成一条完整音轨。输入文字即可开始，也可以添加图片或音频参考。
单次最长 120 秒 · 可选参考素材 · 下载音频与 SRT 字幕
创作音频
Seed Audio 1.0写清声音、准确台词和时间安排，单次最长生成 120 秒。0/3000
音频设置
音轨含有人声台词时，可下载带时间轴的字幕。
生成结果
在这里试听你的场景
生成后可在这里试听、下载音频，并导出字幕。
为正在创作的场景配上声音
从一张画面出发
上传场景图，描述需要的台词或声音。也可以把视频关键帧作为图片参考，生成新的音轨。
补上音效与背景氛围
描述脚步、天气、动作或音乐情绪。需要完整歌词和歌曲结构时，可以使用独立的音乐生成器。
从描述到音频
描述场景
写下台词、环境、声音和期望时长。
添加可选参考
选择 1 张图片，或最多 3 条短音频作为参考。
生成并下载
试听结果，下载音频，并导出可用字幕。
AI 音频生成常见问题
Seed Audio 1.0 能生成哪些声音？
可以用自然语言描述，生成语音、角色对话、音效、环境声和音乐，输出一条音轨。
可以上传图片作为参考吗？
可以，支持 1 张不超过 10 MB 的 JPG、PNG 或 WebP 图片，并通过提示词描述需要的音频或台词。图片参考不能与音频参考或预设音色混用。
可以用音频或声音样本作为参考吗？
最多支持 3 条 WAV、MP3 或 OGG Opus，每条不超过 30 秒、10 MB。在提示词中按照上传顺序使用 @音频1、@音频2、@音频3 引用。有可用预设音色时，选择音色会占用一个参考位置。
一次能生成多长的音频？
单次原始音频最长 120 秒。可以在提示词中描述总时长，以及各句台词出现的时间段。
这个页面能直接给视频同步配音吗？
这个页面输出音频文件。可以把视频关键帧作为图片参考，生成后通过编辑器与视频合成。自动理解视频、口型同步和视频导出属于另外的工作流程。
可以下载字幕吗？
生成前开启字幕选项。模型返回带时间戳的人声字幕后，即可与音频一起下载 SRT 文件。
对话、音乐和音效能分别导出吗？
当前接入输出一条生成音轨。如需独立混音，可以分别生成对话、音乐和音效后，在编辑器中组合。
如何计算积分？
提交前会展示当前单价，先按最长 120 秒预扣，生成后根据原始音频时长向上取整到秒结算，多余积分退还。调整播放语速不改变计费使用的原始时长。