Seed Audio 1.5 vs 1.0: 무엇이 달라졌나
한 줄 요약: 비디오 입력
Seed Audio 1.0은 텍스트를 읽어 주는 데 그치지 않았습니다. 프롬프트 하나에 목소리, 효과음, 배경음을 함께 담을 수 있었죠. 1.5는 이 기능을 모두 유지하면서 1.0에 없던 비디오 입력을 추가했습니다. 더빙, 같은 목소리로 하는 비디오 번역, 소리 없는 영상에 사운드 입히기가 모두 여기서 나옵니다. 한국어로도 번역할 수 있습니다.
Doitong의 텍스트 음성 변환 도구에서는 Seed Audio 1.0을 사용하고 있으며, 1.5는 얼리 액세스로 테스트했습니다.
두 버전을 직접 써 보고 확인한 점
1.0은 텍스트로 목소리를 연출합니다
Doitong의 텍스트 음성 변환 도구에서 Seed Audio 1.0은 억양, 분위기, 속도 같은 목소리 특성을 자유로운 문장으로 설명하면 그대로 반영합니다. 프롬프트 하나에 음성 주변의 효과음과 배경음을 함께 넣을 수도 있습니다.
1.0은 비디오를 받지 못했습니다
2026년 9월 기준 1.0 API는 비디오 참조 필드를 검증은 하지만, 이후 구현되지 않았다는 응답을 반환했습니다. 비디오 작업은 1.5를 기다려야 했습니다.
1.0에서는 더빙을 수작업으로 했습니다
1.5 이전에는 1.0과 음성 참조로 영화를 스페인어로 한 줄씩 더빙했습니다. 목소리는 유지됐지만 대사마다 타이밍을 맞추고 직접 확인해야 했습니다. 비디오 번역은 이 반복 작업을 없애 줍니다.
기능별 비교
ByteDance의 Seed Audio 1.5 개요 자료를 바탕으로 두 버전을 일반적인 텍스트 음성 변환(TTS) 엔진과 비교했습니다.
| 모드 | Seed Audio 1.5 | Seed Audio 1.0 | 일반 TTS |
|---|---|---|---|
| 텍스트 음성 변환 | 지원 | 지원 | 지원 |
| 음성 복제 | 지원 | 지원 | 지원 |
| 텍스트로 오디오 생성(음성, 효과음, 음악) | 지원 | 지원 | 미지원 |
| 텍스트 + 참조 오디오 | 지원 | 지원 | 미지원 |
| 텍스트 + 비디오 → 오디오(더빙) | 지원 | 미지원 | 미지원 |
| 텍스트 + 비디오 + 음성 참조 | 지원 | 미지원 | 미지원 |
| 텍스트로 음악 생성, 최대 6분 | 지원 | 미지원 | 미지원 |
| 기능 | Seed Audio 1.5 |
|---|---|
| 같은 목소리로 비디오 번역 | 영어 또는 중국어 → 30개 언어 |
| 스템 분리 | 최대 6트랙 |
| 요청당 음성 참조 | 최대 6개 |
| 요청당 오디오 길이 | 최대 6분 |
| 타임스탬프 제어 | 음성, 효과음, 음악 |
| 가사가 있는 노래 | 영어, 중국어, 일본어, 한국어, 광둥어 |
출처: ByteDance, “Seed Audio 1.5 — Everything To Hear Is Here” 및 얼리 액세스 연동 가이드, 2026년 10월.
자주 묻는 질문
Seed Audio 1.5와 1.0의 가장 큰 차이는 무엇인가요?
비디오 입력입니다. Seed Audio 1.5는 비디오를 받아 영상에 맞는 오디오를 생성하므로 비디오 더빙, 같은 목소리로 하는 비디오 번역, 소리 없는 클립에 사운드 입히기가 가능합니다. Seed Audio 1.0은 텍스트와 참조 오디오만 입력으로 사용합니다.
Seed Audio 1.0은 지금도 쓸모가 있나요?
네. 비디오가 필요 없는 텍스트 음성 변환이나 텍스트 기반 사운드 디자인에는 충분히 유용합니다. Doitong의 텍스트 음성 변환 도구도 1.0으로 동작합니다.
1.5는 더 많은 언어를 지원하나요?
Seed Audio 1.5는 30개 언어를 구사하며, 비디오 번역은 영어 또는 중국어에서 그 30개 언어 중 어느 쪽으로든 가능합니다.
Seed Audio 1.5와 Seed Audio 2.0은 같은 모델인가요?
일부 사이트에서는 이 새 모델을 2.0으로 표기합니다. ByteDance의 얼리 액세스 문서에서는 Seed Audio 1.5라는 이름을 사용합니다.