Seed Audio 1.5 vs 1.0: qué ha cambiado
La respuesta corta: el vídeo
Seed Audio 1.0 ya hacía más que leer texto en voz alta: un solo prompt podía incluir voces, efectos y ambiente. La versión 1.5 conserva todo eso y añade lo que la 1.0 no podía hacer: aceptar un vídeo como entrada. De ahí salen el doblaje, la traducción con la misma voz y el sonido para metraje sin audio. Y puedes traducir también al español.
Usamos Seed Audio 1.0 en la herramienta de texto a voz de Doitong y probamos la 1.5 en acceso anticipado.
Lo que vimos al usar las dos
La 1.0 dirige una voz a partir de texto
En nuestra herramienta de texto a voz, Seed Audio 1.0 acepta una descripción libre de la voz: acento, estado de ánimo, ritmo. Un solo prompt también puede incluir efectos y ambiente alrededor del habla.
La 1.0 no admitía vídeo
En septiembre de 2026, la API de la 1.0 ya validaba un campo de referencia de vídeo, pero después respondía que no estaba implementado. Había que esperar a la 1.5 para trabajar con vídeo.
La 1.5 traduce escenas completas
Con la 1.5 tradujimos una película de 9 minutos a 12 idiomas, cada pista con la misma duración que el original, enviando el propio vídeo.
Doblaje manual con la 1.0
Antes de la 1.5 doblamos una película al español línea a línea con la 1.0 y una referencia de voz. La voz se mantenía, pero había que ajustar los tiempos y revisar cada línea a mano. La traducción de vídeo elimina ese proceso.
Función por función
Datos de la presentación de Seed Audio 1.5 de ByteDance, que compara las dos versiones con un motor de texto a voz convencional.
| Modo | Seed Audio 1.5 | Seed Audio 1.0 | TTS convencional |
|---|---|---|---|
| Texto a voz | Sí | Sí | Sí |
| Clonación de voz | Sí | Sí | Sí |
| Texto a audio (voz, efectos, música) | Sí | Sí | No |
| Texto + audio de referencia | Sí | Sí | No |
| Texto + vídeo → audio (doblaje) | Sí | No | No |
| Texto + vídeo + referencia de voz | Sí | No | No |
| Música a partir de texto, hasta 6 minutos | Sí | No | No |
| Capacidad | Seed Audio 1.5 |
|---|---|
| Traducción de vídeo con la misma voz | Del inglés o el chino a 30 idiomas |
| Separación de pistas (stems) | Hasta 6 pistas |
| Referencias de voz por solicitud | Hasta 6 |
| Audio por solicitud | Hasta 6 minutos |
| Control por marcas de tiempo | Voz, efectos y música |
| Canciones con letra | Inglés, chino, japonés, coreano y cantonés |
Fuente: ByteDance, «Seed Audio 1.5 — Everything To Hear Is Here» y la guía de integración de acceso anticipado, octubre de 2026.
Preguntas frecuentes
¿Cuál es la principal diferencia entre Seed Audio 1.5 y 1.0?
La entrada de vídeo. Seed Audio 1.5 acepta un vídeo y genera un audio que encaja con él, lo que permite doblar vídeos, traducirlos con la misma voz y poner sonido a clips sin audio. Seed Audio 1.0 solo trabaja con texto y audio de referencia.
¿Sigue siendo útil Seed Audio 1.0?
Sí, para texto a voz y diseño sonoro a partir de texto, cuando no hay vídeo de por medio. La herramienta de texto a voz de Doitong funciona con ella.
¿La 1.5 admite más idiomas?
Seed Audio 1.5 habla 30 idiomas, y la traducción de vídeo va del inglés o el chino a cualquiera de ellos.
¿Seed Audio 1.5 es lo mismo que Seed Audio 2.0?
Algunas webs citan el nuevo modelo como 2.0. La documentación de acceso anticipado de ByteDance lo llama Seed Audio 1.5.
Relacionado
Prueba la versión que escucha tu vídeo
Traduce, dobla o sonoriza un clip con Seed Audio 1.5.
Empieza en Doitong