Seed Audio 1.5 vs. 1.0: det er der ændret
Kort fortalt: video
Seed Audio 1.0 kunne allerede mere end at læse tekst op: ét prompt kunne rumme stemmer, lydeffekter og baggrundslyd. Version 1.5 beholder alt det og kan det, som 1.0 ikke kunne: tage en video som input. Dubbing, oversættelse med samme stemme og lyd til stumme optagelser følger af det. Du kan også oversætte til dansk.
Vi kører Seed Audio 1.0 i Doitongs tekst-til-tale-værktøj og har testet 1.5 i early access.
Det så vi, da vi kørte begge
1.0 instruerer en stemme ud fra tekst
I vores tekst-til-tale-værktøj tager Seed Audio 1.0 en fri tekstbeskrivelse af stemmen: accent, stemning, tempo. Ét prompt kan også rumme effekter og baggrundslyd omkring talen.
1.0 ville ikke tage video
I september 2026 validerede 1.0-API'et allerede et felt til videoreference, men svarede derefter, at det ikke var implementeret. Videoarbejde måtte vente på 1.5.
1.5 oversætter hele scener
Med 1.5 oversatte vi en film på 9 minutter til 12 sprog, hvor hvert spor havde samme længde som originalen, ved at sende selve videoen.
Dubbing i hånden med 1.0
Før 1.5 dubbede vi en film til spansk replik for replik med 1.0 og en stemmereference. Stemmen holdt, men hver replik skulle times og tjekkes i hånden. Videooversættelse fjerner den runde.
Funktion for funktion
Fra ByteDances oversigt over Seed Audio 1.5, som sammenligner de to versioner med en typisk tekst-til-tale-motor.
| Funktion | Seed Audio 1.5 | Seed Audio 1.0 | Typisk TTS |
|---|---|---|---|
| Tekst til tale | Ja | Ja | Ja |
| Stemmekloning | Ja | Ja | Ja |
| Tekst til lyd (stemme, effekter, musik) | Ja | Ja | Nej |
| Tekst + referencelyd | Ja | Ja | Nej |
| Tekst + video → lyd (dubbing) | Ja | Nej | Nej |
| Tekst + video + stemmereference | Ja | Nej | Nej |
| Musik ud fra tekst, op til 6 minutter | Ja | Nej | Nej |
| Funktion | Seed Audio 1.5 |
|---|---|
| Videooversættelse med samme stemme | Engelsk eller kinesisk → 30 sprog |
| Stemmeseparering (stems) | Op til 6 spor |
| Stemmereferencer pr. forespørgsel | Op til 6 |
| Lyd pr. forespørgsel | Op til 6 minutter |
| Styring via tidsstempler | Stemme, effekter og musik |
| Sange med tekst | Engelsk, kinesisk, japansk, koreansk, kantonesisk |
Kilde: ByteDance, “Seed Audio 1.5 — Everything To Hear Is Here” og integrationsguiden til early access, oktober 2026.
Ofte stillede spørgsmål
Hvad er den største forskel på Seed Audio 1.5 og 1.0?
Videoinput. Seed Audio 1.5 tager imod en video og laver lyd, der passer til den. Det gør videodubbing, videooversættelse med samme stemme og lyd til stumme klip mulig. Seed Audio 1.0 arbejder kun ud fra tekst og referencelyd.
Er Seed Audio 1.0 stadig brugbar?
Ja, til tekst-til-tale og tekststyret lyddesign, hvor der ikke indgår video. Doitongs tekst-til-tale-værktøj kører på den.
Understøtter 1.5 flere sprog?
Seed Audio 1.5 taler 30 sprog, og videooversættelse går fra engelsk eller kinesisk til hvert af dem.
Er Seed Audio 1.5 det samme som Seed Audio 2.0?
Nogle sider kalder den nye model 2.0. I ByteDances dokumentation til early access hedder den Seed Audio 1.5.
Relateret
Prøv versionen, der lytter til din video
Oversæt, dubb eller lav lyd til et klip med Seed Audio 1.5.
Kom i gang i Doitong