Seed Audio 1.0：支援預設聲音與參考音訊的文字轉音訊模型和 API | RunComfy

Bytedance / Seed Audio 1.0#

Seed Audio 1.0 是 Bytedance 推出的文字轉音訊模型，可將文字提示詞轉換為清晰、自然的語音與口播音訊。你可以透過三種方式引導結果：只使用文字提示詞、使用最多三段簡短參考音訊，或使用一張用來影響表達方式的參考圖片。

輸出規格：僅音訊 / 格式 wav、mp3、pcm、ogg_opus / 取樣率 8 kHz 至 48 kHz。

特色#

Seed Audio 1.0 專為快速、彈性且表達方式可控的音訊合成而打造。

• 三種引導模式：可只根據文字、使用預設聲音或使用自己的參考音訊驅動合成；也支援以參考圖片取代音訊進行引導。
• 依序引用參考音訊：在提示詞中使用 @Audio1、@Audio2 和 @Audio3 引用最多三段音訊，可混合多個來源或將目標表達方式帶入朗讀。
• 多語言預設聲音：提供涵蓋英文、中文、西班牙文、日文、印尼文和葡萄牙文組合的預設聲音。
• 表達控制：可調整語速、音量和音高，使朗讀節奏與語氣符合專案需求。
• 彈性輸出：可匯出 wav、mp3、pcm 或 ogg_opus，並支援最高 48 kHz 取樣率，方便後續編輯。

參數#

價格#

RunComfy 上的 Seed Audio 1.0 依生成音訊的長度計費。

預估費用範例

使用方式#

按照以下步驟，使用 Seed Audio 1.0 取得自然清晰的朗讀效果。

1. 在 RunComfy 上開啟 Seed Audio 1.0 模型，並展開生成面板。
2. 輸入要朗讀的提示詞，使用自然的標點，讓語句節奏和停頓更準確。
3. 選擇預設聲音；如果需要特定表達方式，也可以略過此項並加入參考音訊。
4. 如需使用參考音訊，請加入最多三個音訊 URL，並在提示詞中以 @Audio1、@Audio2、@Audio3 引用。
5. 也可以不使用參考音訊，改為提供一張參考圖片來引導朗讀語氣。
6. 調整語速、音量和音高，再選擇適合工作流程的 output_format 與 sample_rate。
7. 開始生成、試聽結果，然後從任務記錄中下載檔案。
8. 如需自動化，可將相同欄位傳送至 RunComfy 上的 Seed Audio 1.0 端點，無須自行託管。

提示詞與參考素材技巧#

• 按照你希望聽到的方式書寫：短句和清楚標點能讓 Seed Audio 1.0 的朗讀節奏更穩定。
• 參考音訊應簡短、乾淨；每段控制在 30 秒、10MB 以內，結果會更可靠。
• 確保音訊順序與提示詞引用一致，讓 @Audio1、@Audio2 和 @Audio3 指向正確來源。
• 快速製作草稿時使用預設聲音；需要特定角色時，再改用參考音訊。
• 僅在沒有傳入音訊時使用圖片引導，因為兩種參考模式不能同時使用。
• 小幅調整語速和音高；變化過大會讓朗讀聽起來不自然。

Seed Audio 1.0 與其他模型的比較#

• 多模態提示：與許多只支援文字的語音工具不同，Seed Audio 1.0 可接收文字、參考音訊或圖片來塑造輸出（依據公開資訊）。
• 參考素材處理：使用 @Audio 標記依序引用音訊，比單一固定聲音欄位提供更精細的來源控制。
• 彈性輸出：多種容器格式和廣泛的取樣率範圍，讓 Seed Audio 1.0 的結果可以輕鬆接入現有工作流程。