Seed Audio 1.5 ਬਨਾਮ 1.0: ਕੀ ਬਦਲਿਆ
ਛੋਟਾ ਜਵਾਬ: ਵੀਡੀਓ
Seed Audio 1.0 ਪਹਿਲਾਂ ਹੀ ਸਿਰਫ਼ ਟੈਕਸਟ ਪੜ੍ਹਨ ਤੋਂ ਵੱਧ ਕਰਦਾ ਸੀ: ਇੱਕੋ ਪ੍ਰੌਂਪਟ ਵਿੱਚ ਆਵਾਜ਼ਾਂ, ਸਾਊਂਡ ਇਫੈਕਟ ਅਤੇ ਮਾਹੌਲੀ ਆਵਾਜ਼ਾਂ ਆ ਸਕਦੀਆਂ ਸਨ। ਵਰਜਨ 1.5 ਇਹ ਸਭ ਕੁਝ ਬਰਕਰਾਰ ਰੱਖਦਾ ਹੈ ਅਤੇ ਉਹ ਚੀਜ਼ ਜੋੜਦਾ ਹੈ ਜੋ 1.0 ਨਹੀਂ ਕਰ ਸਕਦਾ ਸੀ: ਵੀਡੀਓ ਨੂੰ ਇਨਪੁੱਟ ਵਜੋਂ ਲੈਣਾ। ਡਬਿੰਗ, ਉਸੇ ਆਵਾਜ਼ ਵਿੱਚ ਅਨੁਵਾਦ ਅਤੇ ਬਿਨਾਂ ਆਵਾਜ਼ ਵਾਲੀ ਫੁਟੇਜ ਲਈ ਸਾਊਂਡ, ਇਹ ਸਭ ਇਸੇ ਤੋਂ ਨਿਕਲਦੇ ਹਨ।
ਅਸੀਂ Doitong ਦੇ ਟੈਕਸਟ-ਟੂ-ਸਪੀਚ ਟੂਲ ਵਿੱਚ Seed Audio 1.0 ਚਲਾਉਂਦੇ ਹਾਂ ਅਤੇ 1.5 ਨੂੰ ਅਰਲੀ ਐਕਸੈਸ ਵਿੱਚ ਟੈਸਟ ਕੀਤਾ ਹੈ।
ਦੋਵੇਂ ਚਲਾ ਕੇ ਅਸੀਂ ਕੀ ਦੇਖਿਆ
1.0 ਟੈਕਸਟ ਤੋਂ ਆਵਾਜ਼ ਨੂੰ ਨਿਰਦੇਸ਼ਿਤ ਕਰਦਾ ਹੈ
ਸਾਡੇ ਟੈਕਸਟ-ਟੂ-ਸਪੀਚ ਟੂਲ ਵਿੱਚ Seed Audio 1.0 ਆਵਾਜ਼ ਦਾ ਖੁੱਲ੍ਹਾ ਟੈਕਸਟ ਵੇਰਵਾ ਲੈਂਦਾ ਹੈ: ਲਹਿਜਾ, ਮੂਡ, ਰਫ਼ਤਾਰ। ਇੱਕ ਪ੍ਰੌਂਪਟ ਵਿੱਚ ਬੋਲ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਦੇ ਇਫੈਕਟ ਅਤੇ ਮਾਹੌਲੀ ਆਵਾਜ਼ਾਂ ਵੀ ਆ ਸਕਦੀਆਂ ਹਨ।
1.0 ਵੀਡੀਓ ਨਹੀਂ ਲੈਂਦਾ ਸੀ
ਸਤੰਬਰ 2026 ਵਿੱਚ 1.0 API ਵੀਡੀਓ ਰੈਫ਼ਰੈਂਸ ਫੀਲਡ ਦੀ ਜਾਂਚ ਤਾਂ ਕਰ ਲੈਂਦੀ ਸੀ, ਪਰ ਫਿਰ ਜਵਾਬ ਦਿੰਦੀ ਸੀ ਕਿ ਇਹ ਲਾਗੂ ਨਹੀਂ ਹੈ। ਵੀਡੀਓ ਦੇ ਕੰਮ ਲਈ 1.5 ਤੱਕ ਉਡੀਕ ਕਰਨੀ ਪਈ।
1.5 ਪੂਰੇ ਸੀਨ ਦਾ ਅਨੁਵਾਦ ਕਰਦਾ ਹੈ
1.5 ਨਾਲ ਅਸੀਂ ਵੀਡੀਓ ਆਪ ਭੇਜ ਕੇ 9 ਮਿੰਟ ਦੀ ਫ਼ਿਲਮ ਦਾ 12 ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਅਨੁਵਾਦ ਕੀਤਾ, ਅਤੇ ਹਰ ਟ੍ਰੈਕ ਅਸਲ ਫ਼ਿਲਮ ਜਿੰਨੀ ਲੰਬਾਈ ਦਾ ਸੀ।
1.0 ਵਿੱਚ ਹੱਥੀਂ ਡਬਿੰਗ
1.5 ਤੋਂ ਪਹਿਲਾਂ ਅਸੀਂ 1.0 ਅਤੇ ਇੱਕ ਆਵਾਜ਼ ਦੇ ਰੈਫ਼ਰੈਂਸ ਨਾਲ ਇੱਕ ਫ਼ਿਲਮ ਨੂੰ ਸਪੈਨਿਸ਼ ਵਿੱਚ ਲਾਈਨ-ਦਰ-ਲਾਈਨ ਡਬ ਕੀਤਾ ਸੀ। ਆਵਾਜ਼ ਇੱਕੋ ਜਿਹੀ ਰਹੀ, ਪਰ ਹਰ ਲਾਈਨ ਦਾ ਸਮਾਂ ਅਤੇ ਜਾਂਚ ਹੱਥੀਂ ਕਰਨੀ ਪਈ। ਵੀਡੀਓ ਅਨੁਵਾਦ ਇਸ ਚੱਕਰ ਨੂੰ ਖ਼ਤਮ ਕਰ ਦਿੰਦਾ ਹੈ।
ਫੀਚਰ ਦਰ ਫੀਚਰ
ByteDance ਦੇ Seed Audio 1.5 ਓਵਰਵਿਊ ਤੋਂ, ਜੋ ਦੋਵਾਂ ਵਰਜਨਾਂ ਦੀ ਤੁਲਨਾ ਇੱਕ ਆਮ ਟੈਕਸਟ-ਟੂ-ਸਪੀਚ ਇੰਜਣ ਨਾਲ ਕਰਦਾ ਹੈ।
| ਮੋਡ | Seed Audio 1.5 | Seed Audio 1.0 | ਆਮ TTS |
|---|---|---|---|
| ਟੈਕਸਟ ਤੋਂ ਸਪੀਚ | ਹਾਂ | ਹਾਂ | ਹਾਂ |
| ਵੌਇਸ ਕਲੋਨਿੰਗ | ਹਾਂ | ਹਾਂ | ਹਾਂ |
| ਟੈਕਸਟ ਤੋਂ ਆਡੀਓ (ਆਵਾਜ਼, ਇਫੈਕਟ, ਸੰਗੀਤ) | ਹਾਂ | ਹਾਂ | ਨਹੀਂ |
| ਟੈਕਸਟ + ਰੈਫ਼ਰੈਂਸ ਆਡੀਓ | ਹਾਂ | ਹਾਂ | ਨਹੀਂ |
| ਟੈਕਸਟ + ਵੀਡੀਓ → ਆਡੀਓ (ਡਬਿੰਗ) | ਹਾਂ | ਨਹੀਂ | ਨਹੀਂ |
| ਟੈਕਸਟ + ਵੀਡੀਓ + ਆਵਾਜ਼ ਦਾ ਰੈਫ਼ਰੈਂਸ | ਹਾਂ | ਨਹੀਂ | ਨਹੀਂ |
| ਟੈਕਸਟ ਤੋਂ ਸੰਗੀਤ, 6 ਮਿੰਟ ਤੱਕ | ਹਾਂ | ਨਹੀਂ | ਨਹੀਂ |
| ਸਮਰੱਥਾ | Seed Audio 1.5 |
|---|---|
| ਉਸੇ ਆਵਾਜ਼ ਵਿੱਚ ਵੀਡੀਓ ਅਨੁਵਾਦ | ਅੰਗਰੇਜ਼ੀ ਜਾਂ ਚੀਨੀ → 30 ਭਾਸ਼ਾਵਾਂ |
| ਸਟੈਮ ਵੱਖਰੇ ਕਰਨਾ | 6 ਟ੍ਰੈਕ ਤੱਕ |
| ਹਰ ਬੇਨਤੀ ਵਿੱਚ ਆਵਾਜ਼ ਦੇ ਰੈਫ਼ਰੈਂਸ | 6 ਤੱਕ |
| ਹਰ ਬੇਨਤੀ ਵਿੱਚ ਆਡੀਓ | 6 ਮਿੰਟ ਤੱਕ |
| ਟਾਈਮਸਟੈਂਪ ਕੰਟਰੋਲ | ਆਵਾਜ਼, ਇਫੈਕਟ ਅਤੇ ਸੰਗੀਤ |
| ਬੋਲਾਂ ਵਾਲੇ ਗੀਤ | ਅੰਗਰੇਜ਼ੀ, ਚੀਨੀ, ਜਾਪਾਨੀ, ਕੋਰੀਆਈ, ਕੈਂਟੋਨੀਜ਼ |
ਸਰੋਤ: ByteDance, “Seed Audio 1.5 — Everything To Hear Is Here” ਅਤੇ ਅਰਲੀ ਐਕਸੈਸ ਇੰਟੀਗ੍ਰੇਸ਼ਨ ਗਾਈਡ, ਅਕਤੂਬਰ 2026।
ਅਕਸਰ ਪੁੱਛੇ ਜਾਂਦੇ ਸਵਾਲ
Seed Audio 1.5 ਅਤੇ 1.0 ਵਿੱਚ ਮੁੱਖ ਫ਼ਰਕ ਕੀ ਹੈ?
ਵੀਡੀਓ ਇਨਪੁੱਟ। Seed Audio 1.5 ਵੀਡੀਓ ਲੈਂਦਾ ਹੈ ਅਤੇ ਉਸ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਆਡੀਓ ਬਣਾਉਂਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਵੀਡੀਓ ਡਬਿੰਗ, ਉਸੇ ਆਵਾਜ਼ ਵਿੱਚ ਵੀਡੀਓ ਅਨੁਵਾਦ ਅਤੇ ਬਿਨਾਂ ਆਵਾਜ਼ ਵਾਲੀਆਂ ਕਲਿੱਪਾਂ ਲਈ ਸਾਊਂਡ ਸੰਭਵ ਹੁੰਦਾ ਹੈ। Seed Audio 1.0 ਸਿਰਫ਼ ਟੈਕਸਟ ਅਤੇ ਰੈਫ਼ਰੈਂਸ ਆਡੀਓ ਤੋਂ ਕੰਮ ਕਰਦਾ ਹੈ।
ਕੀ Seed Audio 1.0 ਹਾਲੇ ਵੀ ਕੰਮ ਦਾ ਹੈ?
ਹਾਂ, ਟੈਕਸਟ-ਟੂ-ਸਪੀਚ ਅਤੇ ਟੈਕਸਟ ਨਾਲ ਚੱਲਣ ਵਾਲੇ ਸਾਊਂਡ ਡਿਜ਼ਾਈਨ ਲਈ, ਜਿੱਥੇ ਵੀਡੀਓ ਸ਼ਾਮਲ ਨਹੀਂ ਹੁੰਦੀ। Doitong ਦਾ ਟੈਕਸਟ-ਟੂ-ਸਪੀਚ ਟੂਲ ਇਸੇ ਉੱਤੇ ਚੱਲਦਾ ਹੈ।
ਕੀ 1.5 ਵਿੱਚ ਵਧੇਰੇ ਭਾਸ਼ਾਵਾਂ ਹਨ?
Seed Audio 1.5 30 ਭਾਸ਼ਾਵਾਂ ਬੋਲਦਾ ਹੈ, ਅਤੇ ਵੀਡੀਓ ਅਨੁਵਾਦ ਅੰਗਰੇਜ਼ੀ ਜਾਂ ਚੀਨੀ ਤੋਂ ਇਹਨਾਂ ਵਿੱਚੋਂ ਕਿਸੇ ਵੀ ਭਾਸ਼ਾ ਵਿੱਚ ਹੁੰਦਾ ਹੈ। ਪੰਜਾਬੀ ਇਹਨਾਂ 30 ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਨਹੀਂ ਹੈ।
ਕੀ Seed Audio 1.5 ਅਤੇ Seed Audio 2.0 ਇੱਕੋ ਹਨ?
ਕੁਝ ਸਾਈਟਾਂ ਨਵੇਂ ਮਾਡਲ ਨੂੰ 2.0 ਵਜੋਂ ਲਿਖਦੀਆਂ ਹਨ। ByteDance ਦੇ ਅਰਲੀ ਐਕਸੈਸ ਦਸਤਾਵੇਜ਼ ਇਸਨੂੰ Seed Audio 1.5 ਦਾ ਨਾਮ ਦਿੰਦੇ ਹਨ।
ਸੰਬੰਧਿਤ
ਉਹ ਵਰਜਨ ਅਜ਼ਮਾਓ ਜੋ ਤੁਹਾਡੀ ਵੀਡੀਓ ਨੂੰ ਸੁਣਦਾ ਹੈ
Seed Audio 1.5 ਨਾਲ ਕਿਸੇ ਕਲਿੱਪ ਦਾ ਅਨੁਵਾਦ ਕਰੋ, ਡਬ ਕਰੋ ਜਾਂ ਉਸ ਲਈ ਸਾਊਂਡ ਤਿਆਰ ਕਰੋ।
Doitong ਵਿੱਚ ਸ਼ੁਰੂ ਕਰੋ