Iniciar sesión
Precios Creadores Afiliados Empezar a crear
Comparativa

Seed Audio 1.5 vs 1.0: qué cambió

La respuesta corta: el video

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 suma lo que la 1.0 no podía: recibir un video como entrada. De ahí salen el doblaje, la traducción con la misma voz y el sonido para metraje sin audio. Y sí, también puedes traducir 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 probar ambas

La 1.0 dirige una voz a partir de texto

En nuestra herramienta de texto a voz, Seed Audio 1.0 recibe una descripción libre de la voz: acento, estado de ánimo, ritmo. Un solo prompt también puede incluir efectos y ambiente alrededor del habla.

Texto a voz →

La 1.0 no aceptaba video

En septiembre de 2026, la API de la 1.0 ya validaba un campo de referencia de video, pero respondía que no estaba implementado. El trabajo con video tuvo que esperar a la 1.5.

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 video directamente.

Ver la prueba →

Doblaje manual con la 1.0

Antes de la 1.5 doblamos una película al español línea por línea con la 1.0 y una referencia de voz. La voz se mantuvo, pero cada línea había que ajustarla en tiempo y revisarla a mano. La traducción de video elimina ese ciclo.

Función por función

Tomado de la presentación de Seed Audio 1.5 de ByteDance, que compara las dos versiones con un motor de texto a voz convencional.

Qué acepta y qué produce cada versión
ModoSeed Audio 1.5Seed Audio 1.0TTS convencional
Texto a vozSíSíSí
Clonación de vozSíSíSí
Texto a audio (voz, efectos, música)SíSíNo
Texto + audio de referenciaSíSíNo
Texto + video → audio (doblaje)SíNoNo
Texto + video + referencia de vozSíNoNo
Música a partir de texto, hasta 6 minutosSíNoNo
Novedades de la 1.5
CapacidadSeed Audio 1.5
Traducción de video con la misma vozDel inglés o chino a 30 idiomas
Separación de pistas (stems)Hasta 6 pistas
Referencias de voz por solicitudHasta 6
Audio por solicitudHasta 6 minutos
Control por marcas de tiempoVoz, efectos y música
Canciones con letraInglés, chino, japonés, coreano, 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 video. Seed Audio 1.5 acepta un video y genera audio que coincide con él, lo que permite doblar video, traducirlo con la misma voz y ponerle sonido a clips sin audio. Seed Audio 1.0 solo trabaja con texto y audio de referencia.

¿Seed Audio 1.0 sigue siendo útil?

Sí, para texto a voz y diseño de sonido a partir de texto, cuando no hay video 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, entre ellos el español, y la traducción de video va del inglés o chino a cualquiera de ellos.

¿Seed Audio 1.5 es lo mismo que Seed Audio 2.0?

Algunos sitios mencionan el nuevo modelo como 2.0. La documentación de acceso anticipado de ByteDance lo llama Seed Audio 1.5.

Prueba la versión que escucha tu video

Traduce, dobla o musicaliza un clip con Seed Audio 1.5.

Empieza en Doitong