Seed Audio 1.5 vs 1.0: อะไรเปลี่ยนไปบ้าง
สรุปสั้นๆ: วิดีโอ
Seed Audio 1.0 ทำได้มากกว่าอ่านข้อความออกเสียง คือใส่เสียงพูด เสียงเอฟเฟกต์ และบรรยากาศไว้ในพรอมต์เดียวได้ ส่วนเวอร์ชัน 1.5 ยังทำได้ครบเหมือนเดิม และเพิ่มสิ่งที่ 1.0 ทำไม่ได้ คือรับวิดีโอเป็นอินพุต จากจุดนี้ทำให้พากย์เสียง แปลวิดีโอด้วยเสียงเดิม และใส่เสียงให้ฟุตเทจที่ไม่มีเสียงได้ และคุณแปลเป็นภาษาไทยได้ด้วย
เราใช้ Seed Audio 1.0 ในเครื่องมือแปลงข้อความเป็นเสียงของ Doitong และทดสอบ 1.5 ในช่วงเข้าถึงก่อนใคร
สิ่งที่เราเห็นจากการรันทั้งสองเวอร์ชัน
1.0 กำกับเสียงจากข้อความ
ในเครื่องมือแปลงข้อความเป็นเสียงของเรา Seed Audio 1.0 รับคำอธิบายเสียงแบบอิสระ ทั้งสำเนียง อารมณ์ และจังหวะการพูด และพรอมต์เดียวยังใส่เสียงเอฟเฟกต์และบรรยากาศรอบเสียงพูดได้ด้วย
1.0 ไม่รับวิดีโอ
ในเดือนกันยายน 2026 API ของ 1.0 ตรวจสอบฟิลด์วิดีโออ้างอิงได้แล้ว แต่ตอบกลับว่ายังไม่ได้ใช้งาน งานด้านวิดีโอจึงต้องรอ 1.5
1.5 แปลได้ทั้งฉาก
ด้วย 1.5 เราแปลภาพยนตร์ความยาว 9 นาทีเป็น 12 ภาษา โดยส่งตัววิดีโอเข้าไปโดยตรง แต่ละแทร็กยาวเท่าต้นฉบับ
พากย์ด้วยมือใน 1.0
ก่อนจะมี 1.5 เราพากย์ภาพยนตร์เป็นภาษาสเปนทีละบรรทัดด้วย 1.0 และเสียงอ้างอิง เสียงยังคงเดิม แต่ต้องจับเวลาและตรวจแต่ละบรรทัดด้วยมือ การแปลวิดีโอช่วยตัดขั้นตอนวนซ้ำนี้ออกไป
เทียบทีละฟีเจอร์
จากภาพรวม Seed Audio 1.5 ของ ByteDance ซึ่งเทียบทั้งสองเวอร์ชันกับเอนจินแปลงข้อความเป็นเสียงทั่วไป
| โหมด | Seed Audio 1.5 | Seed Audio 1.0 | TTS ทั่วไป |
|---|---|---|---|
| ข้อความเป็นเสียงพูด | ได้ | ได้ | ได้ |
| โคลนเสียง | ได้ | ได้ | ได้ |
| ข้อความเป็นเสียง (เสียงพูด เอฟเฟกต์ ดนตรี) | ได้ | ได้ | ไม่ได้ |
| ข้อความ + เสียงอ้างอิง | ได้ | ได้ | ไม่ได้ |
| ข้อความ + วิดีโอ → เสียง (พากย์) | ได้ | ไม่ได้ | ไม่ได้ |
| ข้อความ + วิดีโอ + เสียงอ้างอิง | ได้ | ไม่ได้ | ไม่ได้ |
| สร้างดนตรีจากข้อความ ยาวสูงสุด 6 นาที | ได้ | ไม่ได้ | ไม่ได้ |
| ความสามารถ | Seed Audio 1.5 |
|---|---|
| แปลวิดีโอด้วยเสียงเดิม | อังกฤษหรือจีน → 30 ภาษา |
| แยกสเต็ม | สูงสุด 6 แทร็ก |
| เสียงอ้างอิงต่อหนึ่งคำขอ | สูงสุด 6 เสียง |
| ความยาวเสียงต่อหนึ่งคำขอ | สูงสุด 6 นาที |
| ควบคุมตามไทม์สแตมป์ | เสียงพูด เอฟเฟกต์ และดนตรี |
| เพลงพร้อมเนื้อร้อง | อังกฤษ จีน ญี่ปุ่น เกาหลี กวางตุ้ง |
ที่มา: ByteDance, “Seed Audio 1.5 — Everything To Hear Is Here” และคู่มือการเชื่อมต่อสำหรับผู้เข้าถึงก่อนใคร ตุลาคม 2026
คำถามที่พบบ่อย
Seed Audio 1.5 ต่างจาก 1.0 หลักๆ ตรงไหน
ต่างที่รับวิดีโอเป็นอินพุต Seed Audio 1.5 รับวิดีโอแล้วสร้างเสียงที่เข้ากับภาพ จึงพากย์วิดีโอ แปลวิดีโอด้วยเสียงเดิม และใส่เสียงให้คลิปที่ไม่มีเสียงได้ ส่วน Seed Audio 1.0 ทำงานจากข้อความและเสียงอ้างอิงเท่านั้น
Seed Audio 1.0 ยังใช้งานได้อยู่ไหม
ได้ สำหรับงานแปลงข้อความเป็นเสียงและงานออกแบบเสียงจากข้อความที่ไม่เกี่ยวกับวิดีโอ เครื่องมือแปลงข้อความเป็นเสียงของ Doitong ก็ใช้เวอร์ชันนี้
1.5 รองรับภาษามากขึ้นไหม
Seed Audio 1.5 พูดได้ 30 ภาษา และการแปลวิดีโอทำได้จากภาษาอังกฤษหรือจีนเป็นภาษาใดก็ได้ใน 30 ภาษานี้
Seed Audio 1.5 คือ Seed Audio 2.0 หรือเปล่า
บางเว็บไซต์ลงชื่อโมเดลใหม่นี้ว่า 2.0 แต่เอกสารการเข้าถึงก่อนใครของ ByteDance ใช้ชื่อ Seed Audio 1.5
หน้าที่เกี่ยวข้อง
ลองเวอร์ชันที่ฟังวิดีโอของคุณได้
แปล พากย์ หรือใส่เสียงให้คลิปด้วย Seed Audio 1.5
เริ่มใช้ใน Doitong