Seed Audio 1.5 vs 1.0: o que mudou
A resposta curta: vídeo
O Seed Audio 1.0 já fazia mais do que ler texto em voz alta: um único prompt podia incluir vozes, efeitos sonoros e ambiente. A versão 1.5 mantém tudo isso e acrescenta o que a 1.0 não conseguia fazer: receber um vídeo como entrada. Daí surgem a dobragem, a tradução de vídeo com a mesma voz e o som para imagens sem áudio. Pode também traduzir para português, um dos 30 idiomas suportados.
Usamos o Seed Audio 1.0 na ferramenta de texto para voz da Doitong e testámos a 1.5 em acesso antecipado.
O que vimos ao testar ambas
A 1.0 dirige uma voz a partir de texto
Na nossa ferramenta de texto para voz, o Seed Audio 1.0 aceita uma descrição livre da voz: sotaque, humor, ritmo. Um só prompt pode ainda incluir efeitos e ambiente à volta da 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 depois respondia que não estava implementado. O trabalho com vídeo teve de esperar pela 1.5.
A 1.5 traduz cenas inteiras
Com a 1.5, traduzimos um filme de 9 minutos para 12 idiomas, com cada pista com a duração do original, enviando o próprio vídeo.
Dobragem manual na 1.0
Antes da 1.5, dobrámos um filme para espanhol, linha a linha, com a 1.0 e uma referência de voz. A voz manteve-se, mas cada linha tinha de ser sincronizada e verificada à mão. A tradução de vídeo elimina esse ciclo.
Funcionalidade a funcionalidade
Retirado da apresentação do Seed Audio 1.5 pela ByteDance, que compara as duas versões com um motor de texto para voz típico.
| Modo | Seed Audio 1.5 | Seed Audio 1.0 | TTS típico |
|---|---|---|---|
| Texto para voz | Sim | Sim | Sim |
| Clonagem de voz | Sim | Sim | Sim |
| Texto para áudio (voz, efeitos, música) | Sim | Sim | Não |
| Texto + áudio de referência | Sim | Sim | Não |
| Texto + vídeo → áudio (dobragem) | Sim | Não | Não |
| Texto + vídeo + referência de voz | Sim | Não | Não |
| Música a partir de texto, até 6 minutos | Sim | Não | Não |
| Capacidade | Seed Audio 1.5 |
|---|---|
| Tradução de vídeo com a mesma voz | Inglês ou chinês → 30 idiomas |
| Separação de stems | Até 6 pistas |
| Referências de voz por pedido | Até 6 |
| Áudio por pedido | Até 6 minutos |
| Controlo por marcas temporais | Voz, efeitos e música |
| Canções com letra | Inglês, chinês, japonês, coreano, cantonês |
Fonte: ByteDance, “Seed Audio 1.5 — Everything To Hear Is Here” e 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 produz áudio que o acompanha, o que permite dobragem de vídeo, tradução de vídeo com a mesma voz e 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 voz e design de som a partir de texto, quando não há vídeo envolvido. A ferramenta de texto para voz da Doitong funciona com ele.
A 1.5 suporta mais idiomas?
O Seed Audio 1.5 fala 30 idiomas, e a tradução de vídeo vai de inglês ou chinês para qualquer um deles.
O Seed Audio 1.5 é o mesmo que o Seed Audio 2.0?
Alguns sites indicam o novo modelo como 2.0. A documentação de acesso antecipado da ByteDance chama-lhe Seed Audio 1.5.
Relacionado
Experimente a versão que ouve o seu vídeo
Traduza, dobre ou musique um clipe com o Seed Audio 1.5.
Começar na Doitong