Seed Audio 1.0: geração de áudio a partir de texto com vozes predefinidas e referências | RunComfy Models e API

Bytedance / Seed Audio 1.0#

Seed Audio 1.0 é um modelo de geração de áudio a partir de texto da Bytedance que transforma prompts escritos em fala clara e natural. Há três formas de orientar o resultado: apenas um prompt de texto, até três clipes curtos de referência ou uma única imagem de referência que influencia a interpretação.

Formato de saída: somente áudio / formatos wav, mp3, pcm, ogg_opus / taxa de amostragem de 8 kHz a 48 kHz.

Destaques#

Seed Audio 1.0 foi criado para síntese de áudio rápida e flexível, com controle sobre a interpretação.

• Três formas de orientação: use apenas texto, vozes predefinidas ou seu próprio áudio de referência; também é possível usar uma imagem em vez do áudio.
• Áudio de referência por ordem: cite até três clipes no prompt com @Audio1, @Audio2 e @Audio3 para combinar fontes ou levar uma interpretação específica à leitura.
• Vozes multilíngues: escolha entre vozes predefinidas que combinam inglês, chinês, espanhol, japonês, indonésio e português.
• Controles de interpretação: ajuste velocidade, volume e tom para adequar a leitura ao ritmo e à intenção do projeto.
• Saída flexível: exporte wav, mp3, pcm ou ogg_opus em taxas de até 48 kHz para facilitar a edição posterior.

Parâmetros#

Preços#

O Seed Audio 1.0 no RunComfy é cobrado pelo tempo, conforme a duração do áudio gerado.

Exemplos de custo estimado

Como usar#

Siga estas etapas para obter uma leitura clara com Seed Audio 1.0.

1. Abra o modelo Seed Audio 1.0 no RunComfy e exiba o painel de geração.
2. Escreva o texto que deseja ouvir, usando pontuação natural para melhorar as frases e pausas.
3. Escolha uma voz predefinida ou pule essa opção e anexe um áudio de referência quando quiser uma interpretação específica.
4. Para usar referências, adicione até três URLs de clipes e cite-os no prompt como @Audio1, @Audio2 e @Audio3.
5. Como alternativa, forneça uma imagem de referência no lugar do áudio para orientar o tom da leitura.
6. Ajuste velocidade, volume e tom; depois escolha output_format e sample_rate adequados ao seu fluxo.
7. Execute a geração, ouça a prévia e baixe o arquivo no histórico de tarefas.
8. Para automatizar, envie os mesmos campos ao endpoint do Seed Audio 1.0 no RunComfy; não é preciso hospedar o modelo.

Dicas de prompt e referências#

• Escreva como deseja que o texto seja falado: frases curtas e pontuação clara produzem um ritmo mais estável.
• Use clipes de referência curtos e limpos; cada um deve ter menos de 30 segundos e 10MB para resultados confiáveis.
• Faça a ordem dos clipes corresponder às citações no prompt, para que @Audio1, @Audio2 e @Audio3 apontem para as fontes corretas.
• Use uma voz predefinida em rascunhos rápidos e passe ao áudio de referência quando precisar de um personagem específico.
• Use a orientação por imagem apenas quando não estiver enviando áudio, pois os dois tipos de referência não podem ser combinados.
• Ajuste velocidade e tom em pequenos passos; mudanças grandes podem deixar a leitura pouco natural.

Como o Seed Audio 1.0 se compara a outros modelos#

• Prompt multimodal: ao contrário de muitas ferramentas que aceitam somente texto, Seed Audio 1.0 usa texto, áudio de referência ou uma imagem para moldar a saída, segundo informações públicas.
• Tratamento de referências: citar os clipes na ordem com marcadores @Audio oferece mais controle sobre as fontes do que um único espaço de voz fixa.
• Flexibilidade de saída: vários contêineres e uma ampla faixa de amostragem facilitam a integração dos resultados do Seed Audio 1.0 a fluxos existentes.