Seed Audio 1.5 vs 1.0: cosa cambia
In breve: il video
Seed Audio 1.0 faceva già più che leggere un testo ad alta voce: in un unico prompt potevano convivere voci, effetti sonori e atmosfere. La versione 1.5 mantiene tutto questo e aggiunge ciò che la 1.0 non poteva fare: accettare un video come input. Da qui nascono il doppiaggio, la traduzione con la stessa voce e il sonoro per i filmati muti. Puoi tradurre anche in italiano.
Su Doitong usiamo Seed Audio 1.0 nello strumento di sintesi vocale e abbiamo provato la 1.5 in accesso anticipato.
Cosa abbiamo visto usando entrambe
La 1.0 dirige una voce a partire dal testo
Nel nostro strumento di sintesi vocale, Seed Audio 1.0 accetta una descrizione libera della voce: accento, tono, ritmo. Un solo prompt può includere anche effetti e atmosfere attorno al parlato.
La 1.0 non accettava video
A settembre 2026 l'API della 1.0 convalidava già un campo per il video di riferimento, ma poi rispondeva che non era implementato. Per lavorare sui video bisognava aspettare la 1.5.
La 1.5 traduce intere scene
Con la 1.5 abbiamo tradotto un film di 9 minuti in 12 lingue, ogni traccia della stessa durata dell'originale, inviando direttamente il video.
Doppiaggio manuale con la 1.0
Prima della 1.5 abbiamo doppiato un film in spagnolo battuta per battuta con la 1.0 e una voce di riferimento. La voce reggeva, ma ogni battuta andava sincronizzata e controllata a mano. La traduzione video elimina questo giro.
Funzione per funzione
Dalla presentazione di Seed Audio 1.5 di ByteDance, che confronta le due versioni con un tipico motore di sintesi vocale (TTS).
| Modalità | Seed Audio 1.5 | Seed Audio 1.0 | TTS tipico |
|---|---|---|---|
| Sintesi vocale da testo | Sì | Sì | Sì |
| Clonazione vocale | Sì | Sì | Sì |
| Da testo ad audio (voce, effetti, musica) | Sì | Sì | No |
| Testo + audio di riferimento | Sì | Sì | No |
| Testo + video → audio (doppiaggio) | Sì | No | No |
| Testo + video + voce di riferimento | Sì | No | No |
| Musica da testo, fino a 6 minuti | Sì | No | No |
| Funzionalità | Seed Audio 1.5 |
|---|---|
| Traduzione video con la stessa voce | Da inglese o cinese a 30 lingue |
| Separazione delle tracce (stem) | Fino a 6 tracce |
| Voci di riferimento per richiesta | Fino a 6 |
| Audio per richiesta | Fino a 6 minuti |
| Controllo dei timestamp | Voce, effetti e musica |
| Canzoni con testo | Inglese, cinese, giapponese, coreano, cantonese |
Fonte: ByteDance, “Seed Audio 1.5 — Everything To Hear Is Here” e guida all'integrazione in accesso anticipato, ottobre 2026.
Domande frequenti
Qual è la differenza principale tra Seed Audio 1.5 e 1.0?
L'input video. Seed Audio 1.5 accetta un video e produce un audio che gli corrisponde: così rende possibili il doppiaggio video, la traduzione video con la stessa voce e il sonoro per clip senza audio. Seed Audio 1.0 lavora solo a partire da testo e audio di riferimento.
Seed Audio 1.0 è ancora utile?
Sì, per la sintesi vocale e il sound design guidato dal testo, quando non c'è di mezzo un video. Lo strumento di sintesi vocale di Doitong funziona con questa versione.
La 1.5 supporta più lingue?
Seed Audio 1.5 parla 30 lingue, italiano compreso, e la traduzione video va dall'inglese o dal cinese verso ciascuna di esse.
Seed Audio 1.5 è la stessa cosa di Seed Audio 2.0?
Alcuni siti indicano il nuovo modello come 2.0. La documentazione di ByteDance per l'accesso anticipato lo chiama Seed Audio 1.5.
Pagine correlate
Prova la versione che ascolta il tuo video
Traduci, doppia o musica una clip con Seed Audio 1.5.
Inizia su Doitong