Seed Audio 1.5 vs 1.0 : ce qui change
La réponse courte : la vidéo
Seed Audio 1.0 faisait déjà plus que lire un texte à voix haute : un seul prompt pouvait réunir voix, effets sonores et ambiance. La version 1.5 conserve tout cela et ajoute ce que la 1.0 ne savait pas faire : prendre une vidéo en entrée. Le doublage, la traduction avec la même voix et la sonorisation d'images muettes en découlent. Vous pouvez aussi traduire vers le français.
Nous utilisons Seed Audio 1.0 dans l'outil de synthèse vocale de Doitong et nous avons testé la 1.5 en accès anticipé.
Ce que nous avons constaté avec les deux versions
La 1.0 dirige une voix à partir d'un texte
Dans notre outil de synthèse vocale, Seed Audio 1.0 accepte une description libre de la voix : accent, humeur, rythme. Un seul prompt peut aussi ajouter des effets sonores et une ambiance autour de la parole.
La 1.0 n'acceptait pas la vidéo
En septembre 2026, l'API de la 1.0 validait déjà un champ de référence vidéo, puis répondait que la fonction n'était pas implémentée. Pour travailler sur de la vidéo, il fallait attendre la 1.5.
La 1.5 traduit des scènes entières
Avec la 1.5, nous avons traduit un film de 9 minutes en 12 langues, chaque piste ayant la durée de l'original, en envoyant directement la vidéo.
Doublage manuel avec la 1.0
Avant la 1.5, nous avons doublé un film en espagnol réplique par réplique avec la 1.0 et une référence vocale. La voix tenait, mais chaque réplique devait être calée et vérifiée à la main. La traduction vidéo supprime cette boucle.
Fonction par fonction
Tiré de la présentation de Seed Audio 1.5 par ByteDance, qui compare les deux versions à un moteur de synthèse vocale classique.
| Mode | Seed Audio 1.5 | Seed Audio 1.0 | Synthèse vocale classique |
|---|---|---|---|
| Synthèse vocale (texte en voix) | Oui | Oui | Oui |
| Clonage de voix | Oui | Oui | Oui |
| Texte en audio (voix, effets sonores, musique) | Oui | Oui | Non |
| Texte + audio de référence | Oui | Oui | Non |
| Texte + vidéo → audio (doublage) | Oui | Non | Non |
| Texte + vidéo + référence vocale | Oui | Non | Non |
| Musique à partir d'un texte, jusqu'à 6 minutes | Oui | Non | Non |
| Fonctionnalité | Seed Audio 1.5 |
|---|---|
| Traduction vidéo avec la même voix | Anglais ou chinois → 30 langues |
| Séparation des pistes (stems) | Jusqu'à 6 pistes |
| Références vocales par requête | Jusqu'à 6 |
| Audio par requête | Jusqu'à 6 minutes |
| Contrôle par timecodes | Voix, effets sonores et musique |
| Chansons avec paroles | Anglais, chinois, japonais, coréen, cantonais |
Source : ByteDance, « Seed Audio 1.5 — Everything To Hear Is Here » et guide d'intégration de l'accès anticipé, octobre 2026.
FAQ
Quelle est la principale différence entre Seed Audio 1.5 et 1.0 ?
L'entrée vidéo. Seed Audio 1.5 accepte une vidéo et produit un audio qui lui correspond, ce qui permet le doublage vidéo, la traduction vidéo avec la même voix et la sonorisation de clips muets. Seed Audio 1.0 fonctionne uniquement à partir de texte et d'audio de référence.
Seed Audio 1.0 est-il encore utile ?
Oui, pour la synthèse vocale et la création sonore pilotée par texte, quand aucune vidéo n'est impliquée. L'outil de synthèse vocale de Doitong repose sur cette version.
La 1.5 prend-elle en charge plus de langues ?
Seed Audio 1.5 parle 30 langues, et la traduction vidéo va de l'anglais ou du chinois vers n'importe laquelle d'entre elles.
Seed Audio 1.5 est-il identique à Seed Audio 2.0 ?
Certains sites présentent le nouveau modèle sous le nom 2.0. La documentation d'accès anticipé de ByteDance l'appelle Seed Audio 1.5.
À lire aussi
Essayez la version qui écoute votre vidéo
Traduisez, doublez ou sonorisez un clip avec Seed Audio 1.5.
Commencer dans Doitong