给无声视频添加音效和配乐
脚步声、雨声、关门声和配乐,与画面严丝合缝
AI 视频模型生成的片段、屏幕录制或无人机航拍素材,往往都是无声的,而没有声音的视频总让人觉得没做完。Seed Audio 1.5 会读取视频和你对所需声音的简短描述,生成与画面动作同步的音轨。
内容基于 ByteDance 的官方文档和提示词指南。我们自己发布的测试是 Seed Audio 1.5 页面上的翻译演示。
可以直接描述,也可以精确定位
ByteDance 的提示词指南提供了三个层级的控制方式,大多数片段只需用到第一种。
简单描述
“铁皮屋顶上的大雨,远处雷声,没有音乐。”适合环境音和简单场景。
音频脚本
按事件顺序来写:门打开,脚步声穿过房间,椅子摩擦地面,音乐渐强。
时间轴
为每个声音指定精确的秒数,比如点击声用 [0.4s:1.0s],音乐推高用 [12.0s:15.0s],让音效正好落在你的剪辑点上。
常见用途
AI 生成的视频片段
在导入剪辑之前,为生成的素材补上缺失的脚步声、风声和房间底噪。
产品与界面演示视频
点击声、滑动声和轻柔的背景音乐,精准落在交互发生的那一帧。
游戏与预告片场景
魔法嗡鸣、撞击声和渐强的鼓点,直接用文字描述生成,不必再在音效库里翻找。
社交媒体短视频
带有卡点音效的背景音乐,无需再购买音乐授权。
使用限制
| 参数 | 限制 |
|---|---|
| 视频时长 | 4 至 360 秒 |
| 格式 | MP4、MOV |
| 分辨率 | 480p、720p 或 1080p |
| 文件大小 | 最大 200 MB |
| 音乐时长 | 最长 6 分钟 |
| 输出格式 | WAV(默认)、MP3、PCM、OGG Opus |
来源:ByteDance Seed Audio 1.5 抢先体验集成指南,2026 年 10 月。
可以直接上手的提示词
复制一条,换成你自己的场景即可。示例为英文,因为模型对英文的声音指令理解得最好。
单个音效
A heavy metal pipe falls onto a metal surface: a dull, low, weighty impact with a dense metallic thud. Close and clear against a quiet background. No speech or music.
写清楚物体、接触的表面、声音的力度大小,以及哪些声音不该出现。
街道场景的环境音
Realistic old-town street at dawn: distant church bell, a few footsteps on cobblestones, a cart wheel creaking past from left to right, light wind. No speech, no music.
像“从左到右”这样的方位描述,能让声音跟着画面中的运动走。
带时间点的音乐与音效
[0.0s:20.0s] Calm ambient synth pad under the whole clip. [3.2s:3.6s] Soft whoosh as the camera turns. [9.0s:9.4s] A single bright chime. [16.0s:20.0s] The pad fades out.
只有当某个声音必须落在特定画面上时,才需要用时间戳。
使用须知
- 描述你想听到的声音。物体和接触表面写得越具体,生成的声音就越贴切。
- ByteDance 的提示词指南建议明确写出不要出现的内容,比如“没有人声”或“没有音乐”。
- 长片需要按场景逐段处理:每次请求最长可覆盖 6 分钟。
常见问题
AI 可以自动给视频加音效吗?
Seed Audio 1.5 会根据你写的描述,生成与视频同步的音效、环境音和配乐。它需要这段描述:不会自己判断场景应该是什么声音。
能精确控制声音出现的时间吗?
可以。在提示词里写入时间戳,例如 [3.2s:3.6s],声音就会被放在这个时间段内。
也能加配乐吗?
可以。配乐可以包含在同一条音轨里,也可以单独生成,最长 6 分钟。
支持什么样的视频?
MP4 或 MOV 格式,时长 4 至 360 秒,分辨率 480p 至 1080p,文件不超过 200 MB。