logo
RunComfy
  • ComfyUI
  • トレーナー
  • モデル
  • MCP新着
  • 価格
  • Seedance 2.5話題
  • Seedream 5.5新着

モデル別ワークフロー

話題MiniMax H3テキスト・画像・参照から音声付き動画話題Qwen Image 2.1画像生成と参照での写真編集Wanテキストや画像から動画、モーション転送FLUX画像生成・編集・キャラクターのバリエーションLTXテキストや画像から音声同期動画Qwen Image Editテキストと参照画像で写真編集Krea 2画像生成・スタイル転送・参照編集Z-Imageテキストから素早く人物や構想を生成

人気・新着ワークフロー

新着MiniMax H3 Character Swap V1.5動画の人物を差し替え、元の音声は保持新着P-H3-Image Reference Edit参照画像に沿って写真を編集話題MiniMax H3 Image-to-Video1 枚の画像から音声同期のシネマティック動画話題LTX 2.5 Image-to-Video1 フレームから音声同期の鮮明な動画話題MiniMax H3 Character Swap (SAM3)動きに合わせて動画の人物を差し替えQwen Image 2.1 Multi-Image Editing最大 10 枚の参照画像から精密なシーンFLUX Klein Face Swap自然でリアルな顔の入れ替えSeedVR2 Video Upscaler鮮明で滑らかな動画アップスケール
その他のワークフローを見る

モデルをトレーニング

新着MOSS-Image Base画像生成、新たに対応新着FLUX.3 Klein画像生成、新たに対応話題Krea 2最も多くトレーニングされた画像モデル話題Krea 2 Turbo少ステップで画像生成話題Qwen Image 2.1画像生成と編集Z-Image Turbo人物やコンセプト画像を素早く生成MiniMax H3音声同期の動画

トレーニングとデプロイ

はじめにOstris AI Toolkit で最初のトレーニングデータセットトレーニング用データセットのアップロードと管理推論学習済みモデルを Playground や API で実行デプロイメント学習済みモデルを専用エンドポイントで提供
その他のモデルをトレーニング

画像モデル

新着GPT Image 2.65% OFF · 精細なテキストから画像生成、GIF・SVG 対応、最大 4K新着Seedream 5.510% OFF · 最大2Kのテキストから画像生成、透過PNG対応新着MiniMax H3 Image10% OFF · テキストまたは参照画像から、最大4Kの静止画新着FLUX 3 Image Klein10% OFF · テキストまたは参照画像から、768〜4Kの静止画話題Seedream 5.0 Pro20% OFF · 参照画像での編集、多言語テキスト対応話題Seedream 4.520% OFF · ブランドの一貫性を保つフォトリアルな編集話題Wan 2.6 Image指示ベースの画像編集Nano Banana Pro77% OFF · スケッチから精密な 2K〜4K ビジュアル

ビデオモデル

新着Seedance 2.5 Flash34% OFF · Text, image, or reference to video新着Kling 4.09% OFF · 静止画を 3〜30 秒の動画に話題Wan 3.0 Prime13% OFF · 参照動画からすばやく生成話題Seedance 2.535% OFF · より長く一貫性の高いシネマティック動画話題Wan 3.0画像・動画・音声の参照から生成話題MiniMax H3最初のフレームを 5〜15 秒の動画にWan 2.510% OFF · 滑らかな動きとネイティブ音声FLUX 3 Maxテキスト・静止画・キーフレームから生成
その他のモデルを見る

API

Serverless (ComfyUI)ComfyUIワークフローをサーバーレスエンドポイントとしてデプロイ。Serverless (LoRA)LoRAをサーバーレスエンドポイントとしてデプロイ。Model APIデプロイ不要でホストされたモデルをオンデマンドで実行。Trainer APIAPI で LoRA のトレーニング、管理、取得を行います。CLIRun RunComfy models from your terminal.
モデル
探索
すべてのモデル
ライブラリ
生成履歴
モデルAPI
APIドキュメント
APIキー
アカウント
使用量

Seed Audio 1.0:ボイスプリセット・参照音声対応のテキストから音声生成 | RunComfy Models・API

bytedance/seed-audio-1.0/text-to-audio

Seed Audio 1.0なら、テキスト、参照クリップ、画像から自然なスピーチや音声を生成できます。ボイスプリセットに加え、速度、ピッチ、出力形式を調整でき、RunComfyのブラウザとAPIから利用できます。

音声化するテキスト。参照クリップは順番に@Audio1、@Audio2、@Audio3と記述して指定します。
合成に使用するプリセット音声。
最大3つの参照クリップ。プロンプト内で@Audio1、@Audio2、@Audio3として指定します。各クリップは30秒・10MBまで。対応形式:wav/mp3/pcm/ogg_opus。
参照画像1枚(jpeg/png/webp、最大10MB)。参照音声とは併用できません。
出力する音声ファイルのコンテナ形式。
出力音声のサンプルレート(Hz)。
読み上げ速度。1.0が通常、0.5が半分、2.0が2倍の速度です。
出力音量。1.0が通常、0.5が半分、2.0が2倍の音量です。
音声のピッチを半音単位で変更します。0が標準、-12で1オクターブ下、12で1オクターブ上になります。
Idle
The rate is $0.21 per minute.

Seed Audio 1.0の紹介

BytedanceのSeed Audio 1.0は、文章から高品質で自然な音声を生成します。テキスト、最大3つの参照クリップ、または1枚の画像で表現を誘導でき、料金は1分あたり$0.21です。

台本収録や声優のスケジュール調整をプロンプトによる音声合成に置き換え、クリエイター、プロダクトチーム、ローカライズスタジオが数分で音声コンテンツを制作できるようにします。

RunComfyではブラウザとHTTP APIの両方から利用できるため、モデルを自前でホストしたりスケーリングしたりする必要はありません。

おすすめの用途:ボイスオーバー・ナレーション | 多言語ローカライズ | インタラクティブ音声のプロトタイピング

Bytedance / Seed Audio 1.0#


Seed Audio 1.0は、Bytedanceが提供するテキストから音声生成モデルです。文章によるプロンプトを、明瞭で自然なスピーチや音声へ変換します。出力は、テキストプロンプトのみ、最大3つの短い参照クリップ、または話し方の手がかりとなる1枚の参照画像という3つの方法で誘導できます。


出力形式:音声のみ / 形式 wav、mp3、pcm、ogg_opus / サンプルレート 8 kHz~48 kHz。


主な特長#


Seed Audio 1.0は、表現を調整できる高速で柔軟な音声合成モデルです。


  • 3つの誘導方法:テキストのみ、プリセット音声、独自の参照音声から合成できます。音声の代わりに参照画像で誘導することも可能です。
  • 順番で指定する参照音声:プロンプト内で最大3つのクリップを@Audio1、@Audio2、@Audio3として指定し、複数のソースを組み合わせたり、狙った話し方を読み上げに反映したりできます。
  • 多言語プリセット:英語、中国語、スペイン語、日本語、インドネシア語、ポルトガル語を組み合わせたプリセット音声から選べます。
  • 話し方を調整:速度、音量、ピッチを変更し、プロジェクトに必要なテンポやトーンに合わせられます。
  • 柔軟な出力:wav、mp3、pcm、ogg_opusで書き出せ、最大48 kHzのサンプルレートに対応。後工程の編集にも組み込みやすい形式です。

パラメータ#


パラメータ必須型デフォルト範囲 / 選択肢説明
prompt*はい (*)string—自由入力音声化するテキスト。参照クリップは@Audio1、@Audio2、@Audio3の順で指定します。
voiceいいえstringvivi_mixed_en_zh_ja_es_idプリセット音声一覧合成に使用するプリセット音声。
audio_urlsいいえarray—最大3件のURL参照クリップ(wav/mp3/pcm/ogg_opus)。各クリップは30秒・10MBまで。
image_urlいいえstring—jpeg/png/webp、最大10MB参照画像1枚。参照音声とは併用できません。
output_formatいいえstringmp3wav, mp3, pcm, ogg_opus出力する音声ファイルのコンテナ形式。
sample_rateいいえinteger240008000 - 48000出力サンプルレート(Hz)。
speedいいえnumber10.5 - 2.0読み上げ速度。1.0が通常です。
volumeいいえnumber10.5 - 2.0出力音量。1.0が通常です。
pitchいいえinteger0-12 - 12半音単位のピッチ変更。

料金#


RunComfy上のSeed Audio 1.0は、生成音声の長さに応じた時間制の料金体系です。


課金単位料金
生成音声1分あたり$0.21

料金の目安


長さ概算料金
15秒約$0.053
30秒約$0.105
60秒約$0.21
120秒約$0.42

使い方#


Seed Audio 1.0で聞き取りやすい音声を作る手順は次のとおりです。


  1. RunComfyでSeed Audio 1.0モデルを開き、生成パネルを表示します。
  2. 読み上げたいプロンプトを入力します。自然な句読点を使うと、フレーズや間が整いやすくなります。
  3. プリセット音声を選びます。特定の話し方を求める場合は、プリセットを使わず参照音声を添付します。
  4. 参照音声を使う場合は、最大3つのクリップURLを追加し、プロンプト内で@Audio1、@Audio2、@Audio3として指定します。
  5. 音声の代わりに、話し方のトーンを誘導する参照画像を1枚指定することもできます。
  6. 速度、音量、ピッチを調整し、制作フローに合うoutput_formatとsample_rateを選びます。
  7. 生成を実行し、結果をプレビューして、ジョブ履歴からファイルをダウンロードします。
  8. 自動化する場合は、同じフィールドをRunComfyのSeed Audio 1.0エンドポイントへ送信します。セルフホスティングは不要です。

プロンプトと参照素材のコツ#


  • 話してほしい形で文章を書きます。短い文と明確な句読点を使うと、Seed Audio 1.0の読み上げテンポが安定します。
  • 参照クリップは短くクリアなものを使います。安定した結果を得るため、各クリップを30秒・10MB以内に収めます。
  • @Audio1、@Audio2、@Audio3が意図したソースを指すよう、クリップの順番とプロンプト内の指定を一致させます。
  • すばやい下書きにはプリセット音声を使い、特定のキャラクター性が必要になったら参照音声へ切り替えます。
  • 画像と音声の参照モードは併用できないため、音声を渡さない場合のみ画像による誘導を使います。
  • 速度とピッチは少しずつ調整します。大幅に変えると、読み上げが不自然になる場合があります。

Seed Audio 1.0と他モデルの比較#


  • マルチモーダルなプロンプト:多くのテキスト専用音声ツールと異なり、Seed Audio 1.0はテキスト、参照音声、画像から出力を調整できます(公開情報に基づく)。
  • 参照素材の扱い:@Audioマーカーでクリップを順番に指定できるため、固定された音声スロットが1つだけのモデルより細かくソースを制御できます。
  • 柔軟な出力:複数のコンテナ形式と幅広いサンプルレートに対応し、Seed Audio 1.0の結果を既存の制作パイプラインへ簡単に組み込めます。

関連モデル

dreamina-3-0/image-to-video

静止画を滑らかな映像に変換。Dreamina 3.0が2K品質のリアリズムで創作を実現。

infinite-talk/fast/multi

2本の音声と1枚の画像から動画を生成し、話者の再生順を指定できます。

pixverse-c1/image-to-video

テキスト、画像、トランジション、参照から映画用クリップを作成する。

wan-3.0/image-to-video

Wan 3.0 は、最初のフレームの画像を音声付きの映画のようなビデオに変換します

ltx-2.5/audio-to-video/fast

LTX 2.5 Fast トラックタイミングの 1080p クリップ用のオーディオからビデオへの変換

kling-3.0/standard/text-to-video

同期したダイアログと一貫性のあるキャラクターを含むマルチシーン フィルムを作成します。

よくある質問

Seed Audio 1.0とは何ですか?テキストから音声を生成するワークフローで何ができますか?

Seed Audio 1.0は、文章によるプロンプトを明瞭で自然なスピーチや音声へ変換するBytedanceのモデルです。RunComfyでは、読み上げたい内容を入力し、任意でプリセット音声、参照クリップ、1枚の画像を使って話し方を調整できます。収録作業なしでプロンプトから音声を作りたいクリエイターに適しています。

Seed Audio 1.0はどのような生成タスクに向いていますか?

ボイスオーバー、ナレーション、キャラクターの台詞、オーディオドラマの短編、多言語の読み上げに適しています。プリセット音声と表現の設定を使い、シーンやブランドに合わせてテンポ、音量、ピッチを調整できます。参照音声にも対応するため、複数のクリップで狙った話し方を揃えたい場合にも役立ちます。

Seed Audio 1.0では参照音声と参照画像をどのように使いますか?

最大3つの参照クリップを添付し、プロンプト内で順番に@Audio1、@Audio2、@Audio3と指定できます。複数のソースを組み合わせたり、狙った話し方を読み上げに反映したりできます。音声の代わりに1枚の参照画像でトーンを誘導することもできますが、画像と音声は同じリクエストで併用できません。安定した結果を得るには、各参照クリップを約30秒・10MB以内に収めてください。

Seed Audio 1.0は、どのようなチームや本番用途に適していますか?

コンテンツ制作者、プロダクトチーム、ローカライズスタジオが、解説のボイスオーバー、アプリの音声案内、広告の読み上げ、多言語吹き替えに利用できます。開発者は、台本やキャンペーン文から必要に応じて音声を生成するパイプラインへ組み込めます。プリセット音声と参照素材による話し方の指定を1つの画面で使い分けられるため、すばやい下書きから特定のキャラクター表現まで対応できます。

Seed Audio 1.0を使う前に知っておくべき入出力オプションはありますか?

必須のプロンプトに加え、音声、参照音声、画像を任意で入力でき、速度、音量、ピッチも調整できます。出力形式はwav、mp3、pcm、ogg_opus、サンプルレートは8 kHz~48 kHzです。クリップサイズや対応形式などの正確な制限はプロバイダー設定で変わる場合があるため、実装前にRunComfyのパラメータパネルを確認してください。

開発者はRunComfy APIからSeed Audio 1.0を利用できますか?

はい。RunComfy AI PlaygroundのWeb UIでプロンプト、音声、参照素材、表現設定を調整し、目的の結果になるまで試せます。設定が固まったら、同じパラメータでRunComfy APIからSeed Audio 1.0を呼び出し、バックエンドやコンテンツ制作パイプラインを自動化できます。モデルの挙動を変えずに、ブラウザでの試行からコードによる本番実行へ移行できます。

RunComfyでSeed Audio 1.0を使う場合、料金はいくらですか?

Seed Audio 1.0の生成ではRunComfy残高のusd / creditsを消費します。利用可能なプロバイダー情報に基づく料金は、生成音声1分あたり$0.21です。新規ユーザーには通常、試用できる無料usd分が付与され、その後はモデルページに表示されるGenerationルールに従って課金されます。最新の料金とモード別の違いは、Seed Audio 1.0ページのGenerationセクションで確認してください。

フォローする
  • LinkedIn
  • Facebook
  • Instagram
  • Twitter
サポート
  • Discord
  • メール
  • システムステータス
  • アフィリエイト
ビデオモデル
  • Seedance 2.5 Flash Text To Video
  • Seedance 2.5 Flash
  • Seedance 2.5 Flash Reference to Video
  • Wan 3.0
  • MiniMax H3 Fast
  • Wan 2.5
  • すべてのモデルを見る →
画像モデル
  • Seedream 5.5
  • Seedream 5.5 Edit
  • Seedream 5.5 Layer Decomposition
  • Wan 2.6 Image to Image
  • Nano Banana Pro
  • Seedream 5.0 Pro
  • すべてのモデルを見る →
法的情報
  • 利用規約
  • プライバシーポリシー
  • Cookieポリシー
RunComfy
著作権 2026 RunComfy. All Rights Reserved.

RunComfyは最高の ComfyUI プラットフォームです。次のものを提供しています: ComfyUIオンライン 環境とサービス、および ComfyUIワークフロー 魅力的なビジュアルが特徴です。 RunComfyはまた提供します AI Models, アーティストが最新のAIツールを活用して素晴らしいアートを作成できるようにする。