登录
价格 创作者 联盟计划 开始创作
视频配音 · Seed Audio 1.5

跟着画面走的 AI 视频配音

一段描述,生成人声、音效和配乐

多数 AI 配音工具只是对着文字朗读,对齐剪辑还得你自己来。Seed Audio 1.5 会“看”视频:你只需描述谁在说话、说什么、环境听起来如何、音乐怎么变化,它就会按画面内容生成一条时间对得上的完整音轨。台词也可以用中文,Seed Audio 1.5 支持 30 种语言,包括中文。

台词由你来写。模型负责演绎,并配上音效和音乐,与画面保持同步。

三种配音方式

ByteDance 官方文档介绍了三种视频模式。你可以根据对声音的控制需求来选择。

视频 + 文字描述

模型会理解画面内容,并根据你的文字配音:包括台词、声音类型、音效和背景配乐。

视频 + 文字描述 + 指定音色

加入一段参考音频,台词就会用这个声音说出来。视频决定时间点,参考音频决定音色。

翻译视频里已有的语音

如果视频里已经有英语或中文语音,可以直接翻译,并保留说话人原本的声音。

翻译视频 →

哪些场景最适合配音

AI 生成的视频素材

视频模型生成的片段往往没有声音,或者只带一段随机配出的音轨。你可以为它们配上场景真正需要的对白和环境氛围。

现场收音不理想

ByteDance 把改善低质量音频列为用途之一:与其和噪音较劲,不如把这场戏干净地重新演绎一遍。

短剧和系列内容

每一集都使用同一段参考音频,角色的声音就能始终保持一致。

广告和宣传片

让旁白、产品音效和音乐重音精确卡在画面帧上,下一个市场只需换一种语言。

如何用 Seed Audio 1.5 给视频配音

1

准备好成片

支持 MP4 或 MOV,时长 4 至 360 秒,分辨率 480p 至 1080p,大小不超过 200 MB。请对最终剪辑版配音:剪辑一变,时间点也会跟着变。

2

写下要听到的内容

台词用引号标出,简要描述每个人的声音,再写上音效和音乐。模型不会自行编造对白,所有需要说出口的话都要写进提示词。

3

在关键位置锁定时间

对必须落在某个剪辑点上的台词和音效,使用 [2.0s:6.5s] 这样的时间戳。其余部分交给模型即可。

4

需要时添加音色参考

最多可添加六段参考音频,每段 2 至 30 秒。同一个角色每次说话都使用同一段音频。

提示词示例

提示词保持英文原文,因为模型对英文的舞台指令理解得最好。ByteDance 的提示词指南建议写清三件事:听到什么、听起来如何、哪些内容不该出现。

雨中街头的两个人

Outdoor street at night, steady rain on umbrellas and a passing car on wet asphalt. A young woman with a clear British voice, exasperated then laughing, says: “I cannot believe I let you talk me into this.” A man with a warm baritone, apologetic but smiling, answers: “I said it might rain. I did not say the sky would take it personally.” No music.

每位说话人在台词前都有一句声音描述和情绪说明。

时间精确的产品镜头

[0.0s:15.0s] Light electronic music under the whole clip. [0.4s:1.0s] A crisp click as the lid opens. [1.5s:5.0s] A confident adult male voice, General American accent, says: “Built for the days that do not end at five.” [12.0s:15.0s] The music lifts and resolves.

时间戳让“咔嗒”声准确落在盖子打开的那一帧。

开始之前

  • 模型不会替你写剧本。如果提示词里没有描述,视频就不会有预设的对白。
  • 它只生成音频,不会改变画面中人物的口型。因此对白最适合用在远景、背影、旁白和动画镜头上。
  • 单次请求最多生成 6 分钟音频;更长的影片请按场景分段配音。
  • 使用音色参考前,请先取得说话人的许可。

AI 视频配音常见问题

什么是 AI 视频配音?

就是用 AI 生成视频的音轨:对白、旁白、音效和音乐,并与画面内容保持同步。使用 Seed Audio 1.5,你只需描述想要的声音,模型一次就能生成。

Seed Audio 1.5 会帮我写台词吗?

不会。ByteDance 明确说明它不会自动配音。台词和声音描述由你提供,模型负责演绎并对准时间。

配音可以使用指定的声音吗?

可以。添加一段 2 至 30 秒的参考音频,台词就会用这个声音说出来,时间则由视频控制。单次请求最多可使用六段参考音频。

可以用英语以外的语言配音吗?

可以。Seed Audio 1.5 支持 30 种语言,包括中文,从日语、韩语到波兰语、土耳其语和印地语都在其中。

配音和视频翻译有什么区别?

配音是根据你的描述创建全新的音轨。视频翻译则是把视频中已有的英语或中文语音,用同一个声音翻译成另一种语言。

给你的场景配上恰到好处的声音

写好台词,描述环境,时间交给画面来定。

给视频配音