Entrar
Preços Criadores Afiliados Começar a Criar
Comparativo

Seed Audio 1.5 vs 1.0: o que mudou

Resposta curta: vídeo

O Seed Audio 1.0 já fazia mais do que ler texto em voz alta: um único prompt podia reunir vozes, efeitos e ambiência. A versão 1.5 mantém tudo isso e acrescenta o que a 1.0 não fazia: receber um vídeo como entrada. Dublagem, tradução mantendo a mesma voz e som para filmagens sem áudio vêm daí. Dá para traduzir para português também.

Usamos o Seed Audio 1.0 na ferramenta de texto para fala da Doitong e testamos a 1.5 em acesso antecipado.

O que vimos ao rodar as duas versões

A 1.0 dirige uma voz a partir do texto

Na nossa ferramenta de texto para fala, o Seed Audio 1.0 aceita uma descrição livre da voz: sotaque, humor, ritmo. Um único prompt também pode incluir efeitos e ambiência ao redor da fala.

Texto para fala →

A 1.0 não aceitava vídeo

Em setembro de 2026, a API da 1.0 já validava um campo de referência de vídeo, mas respondia que ele não estava implementado. O trabalho com vídeo teve que esperar a 1.5.

A 1.5 traduz cenas inteiras

Com a 1.5, traduzimos um filme de 9 minutos para 12 idiomas, cada faixa com a duração do original, enviando o próprio vídeo.

Ver o teste →

Dublagem manual na 1.0

Antes da 1.5, dublamos um filme em espanhol linha por linha com a 1.0 e uma referência de voz. A voz se manteve, mas cada fala precisava ser sincronizada e conferida à mão. A tradução de vídeo elimina esse vaivém.

Recurso por recurso

Da visão geral do Seed Audio 1.5 publicada pela ByteDance, que compara as duas versões com um mecanismo de texto para fala (TTS) comum.

O que cada versão aceita e gera
ModoSeed Audio 1.5Seed Audio 1.0TTS comum
Texto para falaSimSimSim
Clonagem de vozSimSimSim
Texto para áudio (voz, efeitos, música)SimSimNão
Texto + áudio de referênciaSimSimNão
Texto + vídeo → áudio (dublagem)SimNãoNão
Texto + vídeo + referência de vozSimNãoNão
Música a partir de texto, até 6 minutosSimNãoNão
Novidades da 1.5
RecursoSeed Audio 1.5
Tradução de vídeo com a mesma vozInglês ou chinês → 30 idiomas
Separação de stemsAté 6 faixas
Referências de voz por requisiçãoAté 6
Áudio por requisiçãoAté 6 minutos
Controle por timestampVoz, efeitos e música
Músicas com letraInglês, chinês, japonês, coreano, cantonês

Fonte: ByteDance, “Seed Audio 1.5 — Everything To Hear Is Here” e o guia de integração de acesso antecipado, outubro de 2026.

Perguntas frequentes

Qual é a principal diferença entre o Seed Audio 1.5 e o 1.0?

A entrada de vídeo. O Seed Audio 1.5 aceita um vídeo e gera um áudio que acompanha a imagem, o que permite dublar vídeos, traduzir vídeos mantendo a mesma voz e criar som para clipes sem áudio. O Seed Audio 1.0 trabalha apenas com texto e áudio de referência.

O Seed Audio 1.0 ainda é útil?

Sim, para texto para fala e design de som guiado por texto, quando não há vídeo envolvido. A ferramenta de texto para fala da Doitong roda nele.

A 1.5 oferece mais idiomas?

O Seed Audio 1.5 fala 30 idiomas, e a tradução de vídeo vai do inglês ou do chinês para qualquer um deles.

O Seed Audio 1.5 é o mesmo que o Seed Audio 2.0?

Alguns sites listam o novo modelo como 2.0. A documentação de acesso antecipado da ByteDance o chama de Seed Audio 1.5.

Experimente a versão que escuta o seu vídeo

Traduza, duble ou crie a trilha de um clipe com o Seed Audio 1.5.

Começar na Doitong