登录
价格 创作者 联盟计划 开始创作
音轨分离 · Seed Audio 1.5

分离人声、音乐和音效

输入一条混合音轨,输出最多六条干净的分轨

成品音轨只是一个文件:对白、脚步声和配乐全都混在一起。Seed Audio 1.5 可以把它重新拆开,每个人声、每种音效和配乐各自输出为一条独立音轨,直接放进剪辑软件重新混音。分离出的人声还可以翻译成中文等多种语言。

基于 ByteDance 的文档。我们在翻译页面介绍的是自己的实测结果;音轨分离我们尚未在自己的影片上运行过。

分离后能得到什么

ByteDance 自己的示例把一段奇幻短场景拆成了六条音轨。从中可以看出分离的细致程度:不只是“人声”和“音乐”,而是每个说话人、每种声音都单独成轨。

每个说话人

在示例中,旁白、一个女孩和一个男孩各自输出为独立的人声音轨。

每种音效

脚步声一条轨,关门声另一条轨,这样可以单独移动或替换其中一个,而不影响其他声音。

配乐

背景配乐单独成轨,足够干净,可以直接垫在新的人声下面。

分轨能用来做什么

配音与翻译

只翻译人声,保留原有的音乐和音效。我们的 12 语言影片,正是先单独取出人声再处理的。

翻译视频 →

修复某一个元素

在某句台词下压低音乐、去掉一声咳嗽、替换一个不够有力的音效,都不必重新录制整个场景。

重混与重剪

配乐单独成轨后,可以重新剪辑预告片、播客片段或短视频。

存档素材

原始工程文件已经丢失的老视频,可以从最终混音中重建分轨。

如何拆分音轨

1

导出音频

把视频中的混合音频导出为 WAV 或 MP3。每个文件的时长需在 2 秒到 6 分钟之间。

2

拆分长文件

更长的音轨需要分段上传。在静音处切开,避免把一个声音从中间截断。

3

开始分离

模型最多返回六条音轨:人声、音效和音乐。

4

重建混音

把各条分轨按相同的起始时间导入剪辑软件,就能与画面对齐。

输入与输出

音轨分离的限制
参数限制
输入一个音频文件
格式WAV 或 MP3
时长2 到 360 秒
文件大小最大 90 MB
返回分轨数最多 6 条
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。

使用前请了解

  • 输入的是音频,而不是视频。请先提取音轨。
  • 每次请求最多返回六条分轨。
  • 每次请求只能处理一个文件,最长 6 分钟、最大 90 MB。更长的音轨请在静音处拆分。
  • 请只分离您有权编辑的素材。

音轨分离常见问题

什么是音轨分离?

把混合在一起的音轨重新拆回各个部分:人声、音效和音乐,每一部分各自成轨,这样就能分别编辑,或重新混音。

Seed Audio 1.5 最多能返回几条分轨?

最多六条。ByteDance 的示例把一位旁白、另外两个人声、音乐、脚步声和一扇门的声音分别输出为六条独立音轨。

可以直接从视频里分离音频吗?

分离功能接收的是音频文件。请先把视频的音轨导出为 WAV 或 MP3,每个文件最长 6 分钟、最大 90 MB。

可以去掉人声、只保留音乐吗?

可以。人声单独成轨后,您可以将其静音、替换或翻译,同时保持音乐和音效不变。

把混音拆开

人声、音效和音乐,各自独立成轨。

分离音轨