Seed Audio 1.5 vs 1.0: dette er nytt
Kort fortalt: video
Seed Audio 1.0 gjorde allerede mer enn å lese opp tekst: én prompt kunne romme stemmer, lydeffekter og bakgrunnslyd. Versjon 1.5 beholder alt dette og legger til det 1.0 ikke kunne: å ta imot video. Dubbing, oversettelse med samme stemme og lyd til stumme videoklipp følger av dette. Du kan også oversette til norsk.
Vi bruker Seed Audio 1.0 i Doitongs tekst-til-tale-verktøy og testet 1.5 i tidlig tilgang.
Dette så vi da vi kjørte begge
1.0 styrer en stemme fra tekst
I tekst-til-tale-verktøyet vårt tar Seed Audio 1.0 en fritekstbeskrivelse av stemmen: aksent, stemning, tempo. Én prompt kan også inneholde effekter og bakgrunnslyd rundt talen.
1.0 tok ikke imot video
I september 2026 validerte 1.0-API-et allerede et felt for videoreferanse, men svarte deretter at det ikke var implementert. Videoarbeid måtte vente på 1.5.
1.5 oversetter hele scener
Med 1.5 oversatte vi en film på 9 minutter til 12 språk, med like lange lydspor som originalen, ved å sende inn selve videoen.
Dubbing for hånd i 1.0
Før 1.5 dubbet vi en film til spansk linje for linje med 1.0 og en stemmereferanse. Stemmen holdt seg, men hver linje måtte tidsjusteres og sjekkes for hånd. Videooversettelse fjerner den runden.
Funksjon for funksjon
Fra ByteDances oversikt over Seed Audio 1.5, som sammenligner de to versjonene med en typisk tekst-til-tale-motor.
| Modus | Seed Audio 1.5 | Seed Audio 1.0 | Typisk tekst-til-tale |
|---|---|---|---|
| Tekst til tale | Ja | Ja | Ja |
| Stemmekloning | Ja | Ja | Ja |
| Tekst til lyd (stemme, effekter, musikk) | Ja | Ja | Nei |
| Tekst + referanselyd | Ja | Ja | Nei |
| Tekst + video → lyd (dubbing) | Ja | Nei | Nei |
| Tekst + video + stemmereferanse | Ja | Nei | Nei |
| Musikk fra tekst, opptil 6 minutter | Ja | Nei | Nei |
| Funksjon | Seed Audio 1.5 |
|---|---|
| Videooversettelse med samme stemme | Engelsk eller kinesisk → 30 språk |
| Stemmeseparering (stems) | Opptil 6 spor |
| Stemmereferanser per forespørsel | Opptil 6 |
| Lyd per forespørsel | Opptil 6 minutter |
| Tidsstempelkontroll | Stemme, effekter og musikk |
| Sanger med tekst | Engelsk, kinesisk, japansk, koreansk, kantonesisk |
Kilde: ByteDance, «Seed Audio 1.5 — Everything To Hear Is Here» og integrasjonsguiden for tidlig tilgang, oktober 2026.
Vanlige spørsmål
Hva er hovedforskjellen mellom Seed Audio 1.5 og 1.0?
Videoinput. Seed Audio 1.5 tar imot en video og lager lyd som passer til den, noe som muliggjør videodubbing, videooversettelse med samme stemme og lyd til stumme klipp. Seed Audio 1.0 jobber bare ut fra tekst og referanselyd.
Er Seed Audio 1.0 fortsatt nyttig?
Ja, til tekst-til-tale og tekststyrt lyddesign der video ikke er involvert. Doitongs tekst-til-tale-verktøy kjører på den.
Støtter 1.5 flere språk?
Seed Audio 1.5 snakker 30 språk, og videooversettelse går fra engelsk eller kinesisk til alle disse, norsk inkludert.
Er Seed Audio 1.5 det samme som Seed Audio 2.0?
Noen nettsteder omtaler den nye modellen som 2.0. I ByteDances dokumentasjon for tidlig tilgang heter den Seed Audio 1.5.
Relatert
Prøv versjonen som lytter til videoen din
Oversett, dubb eller lag lyd til et klipp med Seed Audio 1.5.
Kom i gang i Doitong