Seed Audio 1.5 ir 1.0: kas pasikeitė
Trumpai: vaizdo įrašas
Seed Audio 1.0 jau mokėjo daugiau nei skaityti tekstą balsu: vienoje užklausoje tilpdavo balsai, efektai ir aplinkos garsai. Versija 1.5 visa tai išlaiko ir prideda tai, ko 1.0 negalėjo: priimti vaizdo įrašą kaip įvestį. Iš to išplaukia dubliavimas, vertimas tuo pačiu balsu ir garsas nebyliems kadrams.
Seed Audio 1.0 naudojame Doitong teksto į kalbą įrankyje, o 1.5 išbandėme ankstyvosios prieigos režimu.
Ką matėme išbandę abi versijas
1.0 režisuoja balsą pagal tekstą
Mūsų teksto į kalbą įrankyje Seed Audio 1.0 priima laisvos formos balso aprašymą: akcentą, nuotaiką, tempą. Vienoje užklausoje gali būti ir efektai bei aplinkos garsai aplink kalbą.
1.0 vaizdo įrašo nepriėmė
2026 m. rugsėjį 1.0 API jau tikrindavo vaizdo nuorodos lauką, bet atsakydavo, kad ši funkcija neįgyvendinta. Darbą su vaizdo įrašais teko atidėti iki 1.5.
1.5 verčia ištisas scenas
Su 1.5 išvertėme 9 minučių filmą į 12 kalbų, pateikę patį vaizdo įrašą. Kiekvienas takelis buvo tokio pat ilgio kaip originalas.
Dubliavimas rankomis su 1.0
Prieš 1.5 filmą į ispanų kalbą dubliavome eilutė po eilutės, naudodami 1.0 ir balso pavyzdį. Balsas išliko, bet kiekvieną eilutę reikėjo derinti laike ir tikrinti ranka. Vaizdo įrašo vertimas šį ciklą pašalina.
Funkcija po funkcijos
Iš ByteDance Seed Audio 1.5 apžvalgos, kurioje abi versijos lyginamos su įprastu teksto į kalbą (TTS) varikliu.
| Režimas | Seed Audio 1.5 | Seed Audio 1.0 | Įprastas TTS |
|---|---|---|---|
| Tekstas į kalbą | Taip | Taip | Taip |
| Balso klonavimas | Taip | Taip | Taip |
| Tekstas į garsą (balsas, efektai, muzika) | Taip | Taip | Ne |
| Tekstas + etaloninis garsas | Taip | Taip | Ne |
| Tekstas + vaizdo įrašas → garsas (dubliavimas) | Taip | Ne | Ne |
| Tekstas + vaizdo įrašas + balso pavyzdys | Taip | Ne | Ne |
| Muzika iš teksto, iki 6 minučių | Taip | Ne | Ne |
| Galimybė | Seed Audio 1.5 |
|---|---|
| Vaizdo įrašo vertimas tuo pačiu balsu | Iš anglų arba kinų → į 30 kalbų |
| Takelių (stem) atskyrimas | Iki 6 takelių |
| Balso pavyzdžių skaičius vienoje užklausoje | Iki 6 |
| Garso trukmė vienoje užklausoje | Iki 6 minučių |
| Laiko žymų valdymas | Balsas, efektai ir muzika |
| Dainos su žodžiais | Anglų, kinų, japonų, korėjiečių, kantoniečių |
Šaltinis: ByteDance, „Seed Audio 1.5 — Everything To Hear Is Here“ ir ankstyvosios prieigos integravimo vadovas, 2026 m. spalis.
DUK
Koks pagrindinis skirtumas tarp Seed Audio 1.5 ir 1.0?
Vaizdo įvestis. Seed Audio 1.5 priima vaizdo įrašą ir sukuria jį atitinkantį garsą, todėl galima dubliuoti vaizdo įrašus, versti juos tuo pačiu balsu ir kurti garsą nebyliems klipams. Seed Audio 1.0 dirba tik su tekstu ir etaloniniu garsu.
Ar Seed Audio 1.0 vis dar naudingas?
Taip, kai reikia teksto į kalbą ir garso dizaino pagal tekstą, o vaizdo įrašo nėra. Doitong teksto į kalbą įrankis veikia būtent su juo.
Ar 1.5 palaiko daugiau kalbų?
Seed Audio 1.5 kalba 30 kalbų, o vaizdo įrašų vertimas vyksta iš anglų arba kinų į bet kurią iš jų.
Ar Seed Audio 1.5 ir Seed Audio 2.0 yra tas pats?
Kai kurios svetainės naująjį modelį vadina 2.0. ByteDance ankstyvosios prieigos dokumentacijoje jis vadinamas Seed Audio 1.5.
Susiję
Išbandykite versiją, kuri mato jūsų vaizdo įrašą
Išverskite, įgarsinkite arba sukurkite garso takelį klipui su Seed Audio 1.5.
Pradėkite su Doitong