Seed Audio 1.5 vs 1.0 : ce qui change
En bref : 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 création du son pour des images muettes en découlent. Vous pouvez aussi traduire vos vidéos en français.
Nous utilisons Seed Audio 1.0 dans l'outil de synthèse vocale de Doitong et 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 du texte
Dans notre outil de synthèse vocale, Seed Audio 1.0 accepte une description libre de la voix : accent, humeur, rythme. Un même 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. Le travail sur la vidéo a dû 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.
Un 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 voix de référence. La voix tenait, mais chaque réplique devait être calée et vérifiée à la main. La traduction vidéo supprime cette boucle.
Fonctionnalité par fonctionnalité
D'après 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, musique) | Oui | Oui | Non |
| Texte + audio de référence | Oui | Oui | Non |
| Texte + vidéo → audio (doublage) | Oui | Non | Non |
| Texte + vidéo + voix de référence | Oui | Non | Non |
| Musique à partir de texte, jusqu'à 6 minutes | Oui | Non | Non |
| Fonctionnalité | Seed Audio 1.5 |
|---|---|
| Traduction vidéo avec la même voix | De l'anglais ou du chinois vers 30 langues |
| Séparation des pistes (stems) | Jusqu'à 6 pistes |
| Voix de référence par requête | Jusqu'à 6 |
| Audio par requête | Jusqu'à 6 minutes |
| Contrôle par timestamps | Voix, effets 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 synchronisé avec elle, ce qui permet le doublage vidéo, la traduction vidéo avec la même voix et la création du son pour des clips muets. Seed Audio 1.0 travaille uniquement à partir de texte et d'audio de référence.
Seed Audio 1.0 est-il encore utile ?
Oui, pour la synthèse vocale et le sound design piloté par texte, quand aucune vidéo n'est impliquée. L'outil de synthèse vocale de Doitong fonctionne avec cette version.
La 1.5 prend-elle en charge plus de langues ?
Seed Audio 1.5 parle 30 langues, dont le français, et la traduction vidéo part de l'anglais ou du chinois vers n'importe laquelle d'entre elles.
Seed Audio 1.5 est-il le même que Seed Audio 2.0 ?
Certains sites présentent le nouveau modèle comme la version 2.0. La documentation de l'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