Seed Audio 1.0：支持预设声音与参考音频的文生音频模型和 API | RunComfy

Bytedance / Seed Audio 1.0#

Seed Audio 1.0 是 Bytedance 推出的文生音频模型，可将文字提示词转化为清晰、自然的语音与口播音频。你可以通过三种方式引导结果：仅使用文字提示词、使用最多三段简短参考音频，或使用一张用于影响表达方式的参考图像。

输出规格：仅音频 / 格式 wav、mp3、pcm、ogg_opus / 采样率 8 kHz 至 48 kHz。

亮点#

Seed Audio 1.0 专为快速、灵活且表达方式可控的音频合成而打造。

• 三种引导模式：可仅根据文字、使用预设声音或使用自己的参考音频驱动合成；也支持以参考图像替代音频进行引导。
• 按顺序引用参考音频：在提示词中使用 @Audio1、@Audio2 和 @Audio3 引用最多三段音频，可混合多个来源或将目标表达方式带入朗读。
• 多语言预设声音：提供涵盖英语、中文、西班牙语、日语、印度尼西亚语和葡萄牙语组合的预设声音。
• 表达控制：可调整语速、音量和音高，使朗读节奏与语气符合项目需求。
• 灵活输出：可导出 wav、mp3、pcm 或 ogg_opus，并支持最高 48 kHz 采样率，便于后续编辑。

参数#

价格#

RunComfy 上的 Seed Audio 1.0 按生成音频的时长计费。

预估费用示例

使用方法#

按照以下步骤，使用 Seed Audio 1.0 获得自然清晰的朗读效果。

1. 在 RunComfy 上打开 Seed Audio 1.0 模型，并展开生成面板。
2. 输入要朗读的提示词，使用自然的标点，让语句节奏和停顿更准确。
3. 选择预设声音；如果需要特定表达方式，也可以跳过此项并添加参考音频。
4. 如需使用参考音频，请添加最多三个音频 URL，并在提示词中以 @Audio1、@Audio2、@Audio3 引用。
5. 也可以不用参考音频，改为提供一张参考图像来引导朗读语气。
6. 调整语速、音量和音高，再选择适合工作流程的 output_format 与 sample_rate。
7. 开始生成、试听结果，然后从任务历史记录中下载文件。
8. 如需自动化，可将相同字段发送至 RunComfy 上的 Seed Audio 1.0 端点，无需自行托管。

提示词与参考素材技巧#

• 按照你希望听到的方式书写：短句和清晰标点能让 Seed Audio 1.0 的朗读节奏更稳定。
• 参考音频应简短、干净；每段控制在 30 秒、10MB 以内，结果会更可靠。
• 确保音频顺序与提示词引用一致，让 @Audio1、@Audio2 和 @Audio3 指向正确来源。
• 快速制作草稿时使用预设声音；需要特定角色时，再改用参考音频。
• 仅在没有传入音频时使用图像引导，因为两种参考模式不能同时使用。
• 小幅调整语速和音高；变化过大会使朗读听起来不自然。

Seed Audio 1.0 与其他模型的比较#

• 多模态提示：与许多只支持文字的语音工具不同，Seed Audio 1.0 可接收文字、参考音频或图像来塑造输出（依据公开信息）。
• 参考素材处理：使用 @Audio 标记按顺序引用音频，比单一固定声音槽位提供更精细的来源控制。
• 灵活输出：多种容器格式和广泛的采样率范围，让 Seed Audio 1.0 的结果可以轻松接入现有工作流程。