Seed Audio 1.5 vs 1.0: co se změnilo
Stručně: video
Seed Audio 1.0 už uměl víc než jen číst text nahlas: jeden prompt mohl obsahovat hlasy, zvukové efekty i atmosféru. Verze 1.5 to všechno zachovává a přidává to, co 1.0 neuměl: přijmout video jako vstup. Z toho vychází dabing, překlad videa se zachováním hlasu i zvuk pro němé záběry. Překládat můžete i do češtiny.
Seed Audio 1.0 provozujeme v nástroji Doitong pro převod textu na řeč, verzi 1.5 jsme testovali v předběžném přístupu.
Co jsme viděli při práci s oběma verzemi
1.0 řídí hlas pomocí textu
V našem nástroji pro převod textu na řeč bere Seed Audio 1.0 volný popis hlasu: přízvuk, náladu, tempo. Jeden prompt může kolem řeči přidat i efekty a atmosféru.
1.0 video nepřijme
V září 2026 API verze 1.0 pole pro video referenci sice ještě validovalo, ale pak odpovědělo, že není implementováno. Práce s videem musela počkat na verzi 1.5.
1.5 překládá celé scény
S verzí 1.5 jsme přeložili 9minutový film do 12 jazyků, každá stopa byla stejně dlouhá jako originál, a to tak, že jsme poslali samotné video.
Dabing ručně ve verzi 1.0
Před verzí 1.5 jsme film dabovali do španělštiny větu po větě pomocí 1.0 a hlasové reference. Hlas držel, ale každou repliku bylo nutné ručně načasovat a zkontrolovat. Překlad videa tuhle smyčku odstraňuje.
Funkci po funkci
Z přehledu Seed Audio 1.5 od ByteDance, který obě verze porovnává s typickým nástrojem pro převod textu na řeč.
| Režim | Seed Audio 1.5 | Seed Audio 1.0 | Typické TTS |
|---|---|---|---|
| Převod textu na řeč | Ano | Ano | Ano |
| Klonování hlasu | Ano | Ano | Ano |
| Zvuk z textu (hlas, efekty, hudba) | Ano | Ano | Ne |
| Text + referenční audio | Ano | Ano | Ne |
| Text + video → audio (dabing) | Ano | Ne | Ne |
| Text + video + hlasová reference | Ano | Ne | Ne |
| Hudba z textu, až 6 minut | Ano | Ne | Ne |
| Funkce | Seed Audio 1.5 |
|---|---|
| Překlad videa stejným hlasem | z angličtiny nebo čínštiny do 30 jazyků |
| Oddělení stop (stems) | až 6 stop |
| Hlasové reference na jeden požadavek | až 6 |
| Audio na jeden požadavek | až 6 minut |
| Řízení podle časových značek | hlas, efekty a hudba |
| Písně s textem | angličtina, čínština, japonština, korejština, kantonština |
Zdroj: ByteDance, „Seed Audio 1.5 — Everything To Hear Is Here“ a příručka k integraci předběžného přístupu, říjen 2026.
Časté dotazy
Jaký je hlavní rozdíl mezi Seed Audio 1.5 a 1.0?
Video na vstupu. Seed Audio 1.5 přijme video a vytvoří k němu odpovídající zvuk, což umožňuje dabing videa, překlad videa se zachováním hlasu i zvuk pro němé klipy. Seed Audio 1.0 pracuje jen s textem a referenčním audiem.
Dává Seed Audio 1.0 ještě smysl?
Ano, pro převod textu na řeč a zvukový design řízený textem, kde se žádné video nepoužívá. Nástroj Doitong pro převod textu na řeč na něm běží.
Podporuje verze 1.5 víc jazyků?
Seed Audio 1.5 mluví 30 jazyky a překlad videa jde z angličtiny nebo čínštiny do kteréhokoli z nich.
Je Seed Audio 1.5 totéž co Seed Audio 2.0?
Některé weby uvádějí nový model jako 2.0. V dokumentaci předběžného přístupu od ByteDance se ale jmenuje Seed Audio 1.5.
Související
Vyzkoušejte verzi, která poslouchá vaše video
Přeložte, nadabujte nebo ozvučte klip pomocí Seed Audio 1.5.
Začít v Doitongu