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 mudo. 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 acepta una descripción libre de la voz: acento, estado de ánimo, ritmo. Un mismo prompt también puede incluir efectos y ambiente alrededor del habla.
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 duración del original, enviando el propio video.
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 mantenía, pero cada línea había que ajustarla en el tiempo y revisarla a mano. La traducción de video elimina ese ciclo.
Función por función
Según la presentación de Seed Audio 1.5 de ByteDance, que compara las dos versiones con un motor de texto a voz típico.
| Modo | Seed Audio 1.5 | Seed Audio 1.0 | TTS típico |
|---|---|---|---|
| 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 + video → audio (doblaje) | Sí | No | No |
| Texto + video + referencia de voz | Sí | No | No |
| Música a partir de texto, hasta 6 minutos | Sí | No | No |
| Capacidad | Seed Audio 1.5 |
|---|---|
| Traducción de video con la misma voz | Inglés o chino → 30 idiomas |
| Separación de pistas | 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, 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 diferencia principal entre Seed Audio 1.5 y 1.0?
La entrada de video. Seed Audio 1.5 acepta un video y genera audio que encaja con él, lo que permite doblar video, traducirlo con la misma voz y añadir sonido a clips mudos. Seed Audio 1.0 trabaja solo con texto y audio de referencia.
¿Sigue siendo útil Seed Audio 1.0?
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, y la traducción de video va del inglés o el 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.
Relacionado
Prueba la versión que escucha tu video
Traduce, dobla o musicaliza un clip con Seed Audio 1.5.
Empieza en Doitong