Seed Audio 1.5 vs 1.0: det här har ändrats
Kort sagt: video
Seed Audio 1.0 gjorde redan mer än att läsa upp text: en enda prompt kunde innehålla röster, ljudeffekter och bakgrundsljud. Version 1.5 behåller allt det och lägger till det som 1.0 inte kunde: ta emot en video som input. Dubbning, översättning med samma röst och ljud till videor utan ljud följer av det. Du kan också översätta till svenska.
Vi kör Seed Audio 1.0 i Doitongs verktyg för text till tal och har testat 1.5 i förhandsåtkomst.
Det här såg vi när vi körde båda
1.0 styr en röst utifrån text
I vårt verktyg för text till tal tar Seed Audio 1.0 emot en fri textbeskrivning av rösten: accent, stämning, tempo. En enda prompt kan också innehålla effekter och bakgrundsljud runt talet.
1.0 tog inte emot video
I september 2026 validerade API:et för 1.0 redan ett fält för videoreferens, men svarade sedan att funktionen inte var implementerad. Videoarbete fick vänta på 1.5.
1.5 översätter hela scener
Med 1.5 översatte vi en film på 9 minuter till 12 språk, där varje spår är lika långt som originalet, genom att skicka in själva videon.
Dubbning för hand i 1.0
Före 1.5 dubbade vi en film till spanska replik för replik med 1.0 och en röstreferens. Rösten höll, men varje replik måste tidsättas och kontrolleras för hand. Videoöversättning tar bort det momentet.
Funktion för funktion
Från ByteDances översikt över Seed Audio 1.5, som jämför de två versionerna med en typisk talsyntesmotor.
| Läge | Seed Audio 1.5 | Seed Audio 1.0 | Typisk TTS |
|---|---|---|---|
| Text till tal | Ja | Ja | Ja |
| Röstkloning | Ja | Ja | Ja |
| Text till ljud (röst, effekter, musik) | Ja | Ja | Nej |
| Text + referensljud | Ja | Ja | Nej |
| Text + video → ljud (dubbning) | Ja | Nej | Nej |
| Text + video + röstreferens | Ja | Nej | Nej |
| Musik från text, upp till 6 minuter | Ja | Nej | Nej |
| Funktion | Seed Audio 1.5 |
|---|---|
| Videoöversättning med samma röst | Engelska eller kinesiska → 30 språk |
| Stemseparering | Upp till 6 spår |
| Röstreferenser per begäran | Upp till 6 |
| Ljud per begäran | Upp till 6 minuter |
| Styrning med tidsstämplar | Röst, effekter och musik |
| Låtar med sångtext | Engelska, kinesiska, japanska, koreanska, kantonesiska |
Källa: ByteDance, ”Seed Audio 1.5 — Everything To Hear Is Here” och integrationsguiden för förhandsåtkomst, oktober 2026.
Vanliga frågor
Vad är den viktigaste skillnaden mellan Seed Audio 1.5 och 1.0?
Videoinput. Seed Audio 1.5 tar emot en video och skapar ljud som passar till den, vilket gör det möjligt att dubba video, översätta video med samma röst och lägga ljud på klipp utan ljud. Seed Audio 1.0 utgår bara från text och referensljud.
Är Seed Audio 1.0 fortfarande användbart?
Ja, för text till tal och textstyrd ljuddesign när ingen video ingår. Doitongs verktyg för text till tal körs på den.
Stöder 1.5 fler språk?
Seed Audio 1.5 talar 30 språk, och videoöversättningen går från engelska eller kinesiska till vilket som helst av dem.
Är Seed Audio 1.5 samma sak som Seed Audio 2.0?
Vissa webbplatser listar den nya modellen som 2.0. I ByteDances dokumentation för förhandsåtkomst heter den Seed Audio 1.5.
Relaterat
Testa versionen som lyssnar på din video
Översätt, dubba eller lägg ljud på ett klipp med Seed Audio 1.5.
Kom igång i Doitong