Seed Audio 1.5 vs 1.0: što se promijenilo
Kratki odgovor: video
Seed Audio 1.0 već je radio više od čitanja teksta naglas: jedan prompt mogao je sadržavati glasove, efekte i ambijent. Verzija 1.5 zadržava sve to i dodaje ono što 1.0 nije mogao: video kao ulaz. Iz toga proizlaze sinkronizacija, prijevod istim glasom i zvuk za nijeme snimke.
Seed Audio 1.0 koristimo u Doitongovu alatu za pretvaranje teksta u govor, a verziju 1.5 testirali smo u ranom pristupu.
Što smo vidjeli dok smo koristili obje verzije
Verzija 1.0 usmjerava glas iz teksta
U našem alatu za pretvaranje teksta u govor Seed Audio 1.0 prima slobodan opis glasa: naglasak, raspoloženje, tempo. Jedan prompt može nositi i efekte te ambijent oko govora.
Verzija 1.0 nije prihvaćala video
U rujnu 2026. API verzije 1.0 već je provjeravao polje za video referencu, a zatim odgovarao da nije implementirano. Rad s videom morao je pričekati 1.5.
Verzija 1.5 prevodi cijele scene
S verzijom 1.5 preveli smo film od 9 minuta na 12 jezika, pri čemu je svaka staza duga koliko i original, a slali smo sam video.
Ručna sinkronizacija u verziji 1.0
Prije verzije 1.5 film smo sinkronizirali na španjolski redak po redak uz 1.0 i glasovnu referencu. Glas se održao, ali je svaki redak trebalo ručno uskladiti s vremenom i provjeriti. Prijevod videa uklanja taj postupak.
Značajku po značajku
Iz pregleda Seed Audio 1.5 tvrtke ByteDance, koji uspoređuje dvije verzije s uobičajenim sustavom za pretvaranje teksta u govor.
| Način rada | Seed Audio 1.5 | Seed Audio 1.0 | Uobičajeni TTS |
|---|---|---|---|
| Tekst u govor | Da | Da | Da |
| Kloniranje glasa | Da | Da | Da |
| Tekst u audio (glas, efekti, glazba) | Da | Da | Ne |
| Tekst + referentni audio | Da | Da | Ne |
| Tekst + video → audio (sinkronizacija) | Da | Ne | Ne |
| Tekst + video + glasovna referenca | Da | Ne | Ne |
| Glazba iz teksta, do 6 minuta | Da | Ne | Ne |
| Mogućnost | Seed Audio 1.5 |
|---|---|
| Prijevod videa istim glasom | Engleski ili kineski → 30 jezika |
| Razdvajanje stemova | Do 6 staza |
| Glasovne reference po zahtjevu | Do 6 |
| Audio po zahtjevu | Do 6 minuta |
| Kontrola vremenskih oznaka | Glas, efekti i glazba |
| Pjesme s tekstom | Engleski, kineski, japanski, korejski, kantonski |
Izvor: ByteDance, „Seed Audio 1.5 — Everything To Hear Is Here” i vodič za integraciju u ranom pristupu, listopad 2026.
Česta pitanja
Koja je glavna razlika između Seed Audio 1.5 i 1.0?
Video ulaz. Seed Audio 1.5 prihvaća video i proizvodi audio koji mu odgovara, što omogućuje sinkronizaciju videa, prijevod videa istim glasom i zvuk za nijeme isječke. Seed Audio 1.0 radi samo na temelju teksta i referentnog audija.
Je li Seed Audio 1.0 još uvijek koristan?
Da, za pretvaranje teksta u govor i za oblikovanje zvuka iz teksta, kad video nije uključen. Doitongov alat za pretvaranje teksta u govor radi na njemu.
Podržava li verzija 1.5 više jezika?
Seed Audio 1.5 govori 30 jezika, a prijevod videa ide s engleskog ili kineskog na bilo koji od njih.
Je li Seed Audio 1.5 isto što i Seed Audio 2.0?
Neke stranice navode novi model kao 2.0. U dokumentaciji ranog pristupa tvrtke ByteDance zove se Seed Audio 1.5.
Povezano
Isprobajte verziju koja sluša vaš video
Prevedite, sinkronizirajte ili ozvučite isječak uz Seed Audio 1.5.
Započnite u Doitongu