Bejelentkezés
Árazás Alkotók Partnerprogram Alkotás indítása
Összehasonlítás

Seed Audio 1.5 vs 1.0: mi változott?

Röviden: a videó

A Seed Audio 1.0 már korábban is többet tudott a felolvasásnál: egyetlen prompt hangokat, effekteket és atmoszférát is tartalmazhatott. Az 1.5-ös verzió ezt mind megtartja, és hozzáad valamit, amire az 1.0 nem volt képes: videót fogad bemenetként. Ebből következik a szinkronizálás, a fordítás ugyanazzal a hanggal és a hangok készítése néma felvételekhez. A fordítás magyar nyelvre is elérhető.

A Seed Audio 1.0-t a Doitong szövegfelolvasó eszközében futtatjuk, az 1.5-öt pedig korai hozzáféréssel teszteltük.

Mit láttunk, amikor mindkettőt futtattuk

Az 1.0 szövegből irányítja a hangot

A szövegfelolvasó eszközünkben a Seed Audio 1.0 szabad szöveges hangleírást fogad: akcentust, hangulatot, tempót. Egyetlen prompt a beszéd körüli effekteket és atmoszférát is tartalmazhatja.

Szövegfelolvasás →

Az 1.0 nem fogadott videót

2026 szeptemberében az 1.0 API már ellenőrizte a videóreferencia-mezőt, majd azt válaszolta, hogy a funkció nincs megvalósítva. A videós munkának meg kellett várnia az 1.5-öt.

Az 1.5 egész jeleneteket fordít

Az 1.5-tel egy 9 perces filmet fordítottunk le 12 nyelvre, minden sáv az eredeti hosszával megegyezett, magát a videót elküldve.

A teszt megtekintése →

Kézi szinkron az 1.0-val

Az 1.5 előtt egy filmet soronként szinkronizáltunk spanyolra az 1.0-val és egy hangreferenciával. A hang megmaradt, de minden sort kézzel kellett időzíteni és ellenőrizni. A videófordítás ezt a kört kiváltja.

Funkciók egymás mellett

A ByteDance Seed Audio 1.5 áttekintéséből, amely a két verziót egy tipikus szövegfelolvasó (TTS) motorral veti össze.

Mit fogad el és mit állít elő az egyes verzió
MódSeed Audio 1.5Seed Audio 1.0Tipikus TTS
SzövegfelolvasásIgenIgenIgen
HangklónozásIgenIgenIgen
Szövegből hang (beszéd, effektek, zene)IgenIgenNem
Szöveg + referenciahangIgenIgenNem
Szöveg + videó → hang (szinkron)IgenNemNem
Szöveg + videó + hangreferenciaIgenNemNem
Zene szövegből, legfeljebb 6 percigIgenNemNem
Újdonságok az 1.5-ben
KépességSeed Audio 1.5
Videófordítás ugyanazzal a hanggalAngolról vagy kínairól 30 nyelvre
SávszétválasztásLegfeljebb 6 sáv
Hangreferenciák kérésenkéntLegfeljebb 6
Hang kérésenkéntLegfeljebb 6 perc
Időbélyeges vezérlésBeszéd, effektek és zene
Dalok szöveggelangol, kínai, japán, koreai, kantoni

Forrás: ByteDance, „Seed Audio 1.5 — Everything To Hear Is Here” és a korai hozzáférésű integrációs útmutató, 2026. október.

GYIK

Mi a fő különbség a Seed Audio 1.5 és az 1.0 között?

A videóbemenet. A Seed Audio 1.5 videót fogad, és ahhoz illeszkedő hangot állít elő, ami lehetővé teszi a videószinkront, a videófordítást ugyanazzal a hanggal és a néma klipek hangjainak elkészítését. A Seed Audio 1.0 csak szövegből és referenciahangból dolgozik.

Hasznos még a Seed Audio 1.0?

Igen, szövegfelolvasásra és szövegvezérelt hangtervezésre, ahol nincs szükség videóra. A Doitong szövegfelolvasó eszköze ezen fut.

Több nyelvet támogat az 1.5?

A Seed Audio 1.5 30 nyelven beszél, a videófordítás pedig angolról vagy kínairól bármelyikükre működik, így magyarra is.

A Seed Audio 1.5 ugyanaz, mint a Seed Audio 2.0?

Egyes oldalak 2.0-ként tüntetik fel az új modellt. A ByteDance korai hozzáférésű dokumentációja Seed Audio 1.5 néven nevezi.

Próbálja ki a verziót, amely a videóját is hallja

Fordítson, szinkronizáljon vagy zenésítsen meg egy klipet a Seed Audio 1.5-tel.

Kezdje el a Doitongban