Sign In
Pricing Creators Affiliate Start Creating
对比

Seed Audio 1.5 与 1.0 有什么不同

一句话概括:视频

Seed Audio 1.0 不只是把文字念出来:一条提示词里就能同时写入人声、音效和环境音。1.5 保留了这些能力,并补上了 1.0 做不到的一点:支持以视频作为输入。视频配音、保留原声的翻译(也可以翻译成中文),以及为无声素材配音效,都由此而来。

Doitong 的文字转语音工具使用 Seed Audio 1.0,1.5 则是我们在抢先体验阶段测试的。

两个版本的实测观察

1.0:用文字指导声音

在我们的文字转语音工具中,Seed Audio 1.0 可以用自由文本描述声音:口音、情绪、语速。一条提示词还能在语音周围加入音效和环境音。

文字转语音 →

1.0 不支持视频

2026 年 9 月,1.0 的 API 已经能校验视频参考字段,但随后返回“尚未实现”。视频相关的工作只能等 1.5。

1.5:整段场景一起翻译

借助 1.5,我们直接传入视频本身,把一部 9 分钟的影片翻译成 12 种语言,每条音轨的时长都与原片一致。

查看测试 →

1.0 时代的手动配音

在 1.5 之前,我们用 1.0 加声音参考,逐句把一部影片配成西班牙语。声音保持得不错,但每一句都要手动对时间、逐条检查。视频翻译省掉了这个反复折腾的过程。

功能逐项对比

数据来自 ByteDance 的 Seed Audio 1.5 概览,其中把两个版本与常见的文字转语音引擎做了对比。

各版本支持的输入与输出
模式Seed Audio 1.5Seed Audio 1.0常见 TTS
文字转语音支持支持支持
声音克隆支持支持支持
文字生成音频(人声、音效、音乐)支持支持不支持
文字 + 参考音频支持支持不支持
文字 + 视频 → 音频(配音)支持不支持不支持
文字 + 视频 + 声音参考支持不支持不支持
文字生成音乐,最长 6 分钟支持不支持不支持
1.5 新增能力
能力Seed Audio 1.5
保留原声的视频翻译英语或中文 → 30 种语言
音轨分离最多 6 条音轨
单次请求的声音参考数最多 6 个
单次请求的音频时长最长 6 分钟
时间戳控制人声、音效和音乐
带歌词的歌曲英语、中文、日语、韩语、粤语

来源:ByteDance,“Seed Audio 1.5 — Everything To Hear Is Here”及抢先体验接入指南,2026 年 10 月。

常见问题

Seed Audio 1.5 和 1.0 的主要区别是什么?

视频输入。Seed Audio 1.5 可以接收视频,并生成与画面匹配的音频,因此能做视频配音、保留原声的视频翻译,以及为无声片段配音效。Seed Audio 1.0 只能基于文字和参考音频工作。

Seed Audio 1.0 还有用吗?

有。在不涉及视频的文字转语音和文字驱动的音效设计场景中,1.0 依然适用。Doitong 的文字转语音工具就运行在它之上。

1.5 支持的语言更多吗?

Seed Audio 1.5 支持 30 种语言,视频翻译可以从英语或中文翻译成其中任意一种。

Seed Audio 1.5 就是 Seed Audio 2.0 吗?

有些网站把这个新模型称为 2.0,但 ByteDance 的抢先体验文档中,它的名称是 Seed Audio 1.5。

试试能“听懂”你视频的版本

用 Seed Audio 1.5 翻译、配音或为视频片段配乐。

在 Doitong 中开始