Seed Audio 1.5: cyfieithu a dybio fideo yn yr un llais
Un model ar gyfer llais, effeithiau sain a cherddoriaeth, wedi'i arwain gan eich fideo
Seed Audio 1.5 yw model sain newydd ByteDance. Mae'n cymryd fideo, yn gwrando arno ac yn ysgrifennu trac sain newydd: yr un adroddwr yn siarad Japaneg, fersiwn wedi'i dybio sy'n dilyn y llun, neu'r llais, y gerddoriaeth a'r effeithiau wedi'u gwahanu'n draciau ar wahân. Defnyddiom ef mewn mynediad cynnar i gyfieithu ffilm animeiddiedig 9 munud i 12 iaith. Dyma beth wnaeth, lle y llithrodd, a sut i gael yr un canlyniad.
Llwyfan annibynnol yw Doitong ac nid yw'n gysylltiedig â ByteDance.
Ein prawf: un ffilm, 12 iaith, yr un adroddwr
Cymerom “The Last Ordinary Day in Pompeii”, ffilm hanes animeiddiedig 9 munud gydag adroddiad Saesneg, a'i rhoi drwy gyfieithu fideo Seed Audio 1.5 unwaith ar gyfer pob iaith. Chwaraewch y fideo ac agorwch Settings → Audio track i newid rhwng y gwreiddiol Saesneg a'r 12 cyfieithiad.
Traciau sain ar y fideo hwn: Saesneg (gwreiddiol) ynghyd â Rwseg, Almaeneg, Ffrangeg, Sbaeneg (Sbaen), Eidaleg, Japaneg, Corëeg, Iseldireg, Swedeg, Daneg, Norwyeg a Ffinneg.
- Hyd y ffilm
- 9:00
- Ieithoedd
- 12
- Amser fesul cais
- 2.6–3.3 munud
- Gwahaniaeth hyd
- < 0.03 s
Sut y cynhaliom y prawf
Daw'r rhifau uchod o'n logiau ein hunain, nid o ddatganiad i'r wasg. Mae tri manylyn yn bwysig os ydych am ailadrodd y prawf.
Hollti ar saib
Mae un cais yn derbyn fideo o 4 i 360 eiliad, felly aeth y ffilm 9 munud i mewn mewn dwy ran wedi'u torri ar saib naturiol: 4:43 a 4:17. Roedd deuddeg iaith yn golygu 24 cais, a daeth pob un yn ôl mewn 157 i 200 eiliad.
Daliodd yr hyd
Daeth pob rhan wedi'i chyfieithu yn ôl yr un hyd â'r gwreiddiol. Dychwelodd rhan un ar 283.26 eiliad yn erbyn 283.29 i'r ffynhonnell, rhan dau ar 256.83 yn erbyn 256.83, ac roedd y ffigurau'r un fath ym mhob iaith. Disgynnodd yr adroddiad newydd ar y llun heb ei ailamseru.
Anfonom y llais yn unig
Rhoesom yr adroddiad i'r model heb gerddoriaeth, a chymysgu ein sgôr a'n heffeithiau ein hunain yn ôl wedyn. Mae cadw cerddoriaeth ac effeithiau y tu mewn i'r cyfieithiad yn nodwedd a nodir ar gyfer y model, ond ni ddibynnodd y prawf penodol hwn arni.
Beth all Seed Audio 1.5 ei wneud
Fersiwn 1.5 yw'r model Seed Audio cyntaf sy'n derbyn fideo. Mae'r un newid hwnnw'n agor y rhan fwyaf o'r tasgau isod.
Cyfieithu fideo yn yr un llais
O Saesneg neu Tsieineeg i 30 iaith. Mae'r llais yn cadw cymeriad y siaradwr, ac mae'r effeithiau gwreiddiol a'r gerddoriaeth gefndir yn aros yn eu lle tra mai dim ond y lleferydd sy'n newid.
Dybio fideo o ddisgrifiad
Rhowch fideo iddo a disgrifiwch beth ddylid ei glywed: y llinellau, y lleisiau, yr effeithiau, y gerddoriaeth. Mae'n ysgrifennu sain sy'n dilyn y llun. Ni fydd yn dyfeisio'r sgript i chi.
Hollti sain yn stems
Rhowch ffeil sain iddo a chewch leisiau, effeithiau a cherddoriaeth yn ôl fel traciau ar wahân, hyd at chwech ohonynt, yn barod ar gyfer sesiwn gymysgu.
Ychwanegu sain at glip tawel
Gofynnwch am awyrgylch, traed yn cerdded, drws, gwely o gerddoriaeth, a rhowch bob un ar y llinell amser gyda stampiau amser yn y prompt.
Clonio llais
Mae hyd at chwe chlip cyfeirio o 2 i 30 eiliad yr un yn gosod y timbre. Cyfunwch gyfeirnod â fideo a bydd y fersiwn wedi'i dybio yn cael ei lefaru yn y llais hwnnw.
Ysgrifennu caneuon gyda geiriau
Cerddoriaeth hyd at chwe munud o hyd o friff testun, gyda geiriau wedi'u canu yn Saesneg, Tsieineeg, Japaneg, Corëeg neu Gantoneg.
Terfynau Seed Audio 1.5
Terfynau o ganllaw integreiddio mynediad cynnar ByteDance. Gwiriwch nhw cyn i chi dorri eich fideo.
| Mewnbwn | Terfyn |
|---|---|
| Hyd y fideo | 4–360 eiliad fesul cais |
| Fformatau fideo | MP4, MOV |
| Cydraniad fideo | 480p, 720p neu 1080p |
| Maint ffeil fideo | Hyd at 200 MB |
| Clipiau cyfeirio llais | Hyd at 6, 2–30 eiliad yr un, 180 eiliad i gyd |
| Sain ar gyfer gwahanu stems | Un ffeil, 2–360 eiliad, hyd at 90 MB, WAV neu MP3 |
| Allbwn | Gwerth |
|---|---|
| Y sain hiraf fesul cais | 6 munud |
| Traciau stem | Hyd at 6 |
| Fformatau | WAV (rhagosodedig), MP3, PCM, OGG Opus |
| Cyfradd samplo ragosodedig | 44.1 kHz |
| Ieithoedd ar gyfer lleferydd | 30 |
| Ffynhonnell cyfieithu fideo | Saesneg neu Tsieineeg, neu wedi'i ganfod yn awtomatig |
Ffynhonnell: canllaw integreiddio mynediad cynnar Seed Audio 1.5 gan ByteDance, Hydref 2026. Gall y terfynau newid ar ôl y rhyddhau.
30 iaith
Mae Seed Audio 1.5 yn siarad yr ieithoedd hyn. Mae cyfieithu fideo yn mynd o Saesneg neu Tsieineeg i unrhyw un ohonynt.
Cefnogir geiriau caneuon mewn set lai: Saesneg, Tsieineeg, Japaneg, Corëeg a Chantoneg.
Promptiau sy'n gweithio
Mae canllaw promptiau ByteDance yn disgrifio tair lefel: disgrifiad syml, sgript sy'n gosod trefn y digwyddiadau, a llinell amser gydag eiliadau manwl. Dechreuwch yn syml ac ychwanegwch stampiau amser dim ond lle mae amseru'n bwysig. (Mae'r promptiau'n aros yn Saesneg, gan fod y model yn dilyn cyfarwyddiadau Saesneg orau.)
Trosleisio syml
Generate only this speaker as dry, close-miked speech. No music, no sound effects, no room reverb, no second speaker. A calm adult female voice at a steady pace reads: “Most people in Pompeii woke up that morning expecting an ordinary day.”
Y cyfyngiadau yn gyntaf, yna'r llais, yna'r union eiriau. Mae dweud beth na ddylai ymddangos yr un mor bwysig â beth ddylai.
Golygfa wedi'i hamseru
[0.0s:12.0s] Soft market ambience under the whole scene. [0.5s:1.5s] A wooden cart rolls past. [2.0s:6.5s] An old man, warm and unhurried, says: “Bread, still warm from the oven.” [7.0s:12.0s] A low drum rumble rises in the distance.
Mae stampiau amser yn gosod pob sain ar y llinell amser, felly mae'r sain yn cyd-fynd â'r toriadau rydych eisoes wedi'u gwneud.
Pethau i gadw llygad arnynt
Pethau y daethom ar eu traws wrth brofi, a phethau y mae'r ddogfennaeth yn glir yn eu cylch.
- Gall enwau a geiriau prin newid rhwng cynigion. Yng nghyfieithiad Rwseg ein hail ffilm brawf, wedi'i gosod yn Llundain yn 1666, daeth yr hen air am gwch afon ar y Tafwys allan yn anghywir a newidiodd ffurf enw un cymeriad. Mae cyfieithu fideo yn derbyn geirfa, felly rhestrwch yr enwau cyn i chi ei redeg.
- Mae dybio angen disgrifiad. Nid yw Seed Audio 1.5 yn ysgrifennu llinellau ar ei ben ei hun; dywedwch wrtho beth a ddywedir a beth a glywir.
- Mae'n creu sain, nid symudiad gwefusau. Mae llais wedi'i gyfieithu yn cadw amseru'r gwreiddiol, ond nid yw'r genau ar y sgrin yn cael eu hail-dynnu.
- Mae un cais yn cwmpasu hyd at 6 munud. Rhaid hollti fideos hirach, ac mae toriad yng nghanol brawddeg i'w glywed, felly torrwch ar saib.
- Mae cyfieithu fideo yn dechrau o Saesneg neu Tsieineeg. Ni ellir cyfieithu fideo mewn iaith arall yn uniongyrchol.
- Clonwch ond leisiau y mae gennych hawl i'w defnyddio.
Cwestiynau cyffredin am Seed Audio 1.5
A all Seed Audio 1.5 gyfieithu neu ddybio fideo i'r Gymraeg?
Ddim eto. Nid yw'r Gymraeg ymhlith y 30 iaith y mae Seed Audio 1.5 yn eu siarad wrth ei rhyddhau. Gellir cyfieithu fideos Saesneg neu Tsieineeg i ieithoedd y gallai darllenwyr Cymraeg eu hangen hefyd, megis Ffrangeg, Sbaeneg, Almaeneg a Phwyleg.
Beth yw Seed Audio 1.5?
Model cynhyrchu sain gan ByteDance yw Seed Audio 1.5, a ryddhawyd ar 28 Hydref 2026. Mae'n cynhyrchu lleferydd, effeithiau sain a cherddoriaeth mewn un tro a hwn yw'r fersiwn Seed Audio cyntaf sy'n derbyn fideo, sef yr hyn sy'n gwneud dybio fideo a chyfieithu fideo yn yr un llais yn bosibl.
A yw Seed Audio 1.5 yn cyfieithu fideo yn yr un llais?
Ydy. Mae cyfieithu fideo yn ail-leisio'r lleferydd mewn iaith arall gan gadw cymeriad llais y siaradwr, ac yn cadw'r effeithiau sain a'r gerddoriaeth wreiddiol. Yn ein prawf daeth adroddiad Saesneg 9 munud yn ôl mewn 12 iaith, pob un yr un hyd â'r gwreiddiol.
Pa ieithoedd y mae Seed Audio 1.5 yn eu cefnogi?
30 iaith ar gyfer lleferydd, gan gynnwys Saesneg, Tsieineeg, Japaneg, Corëeg, Sbaeneg (Sbaen a Mecsico), Portiwgaleg (Brasil a Phortiwgal), Almaeneg, Ffrangeg, Rwseg, Arabeg a Hindi. Mae cyfieithu fideo yn mynd o Saesneg neu Tsieineeg i unrhyw un o'r 30.
Pa mor hir all y fideo fod?
Mae un cais yn derbyn fideo o 4 i 360 eiliad, hyd at 200 MB, mewn 480p, 720p neu 1080p. Ar gyfer ffilm hirach, holltwch hi ar saib a chyfieithwch y rhannau fesul un, fel y gwnaethom gyda'r ffilm 9 munud am Pompeii.
Faint mae cyfieithiad yn ei gymryd?
Yn ein rhediadau ni, cymerodd pob rhan o tua phedwar munud a hanner rhwng 157 a 200 eiliad fesul iaith.
A yw Seed Audio 1.5 yn cydamseru gwefusau?
Nac ydy. Mae'n cynhyrchu sain. Mae'r llais wedi'i gyfieithu yn dilyn amseru'r gwreiddiol, ond nid yw'r fideo ei hun, gan gynnwys symudiad y genau, yn cael ei newid.
A all wahanu lleisiau, cerddoriaeth ac effeithiau sain?
Gall. Rhowch ffeil sain o hyd at 6 munud iddo a bydd yn dychwelyd lleisiau, effeithiau a cherddoriaeth fel traciau ar wahân, hyd at chwech i gyd.
Beth sydd wedi newid ers Seed Audio 1.0?
Mae Seed Audio 1.5 yn ychwanegu mewnbwn fideo, sy'n dod â dybio fideo a chyfieithu fideo. Mae hefyd yn ychwanegu gwahanu stems a cherddoriaeth hyd at 6 munud, yn derbyn hyd at chwe chlip cyfeirio llais, yn cynhyrchu hyd at 6 munud o sain fesul cais ac yn siarad 30 iaith.
A yw Seed Audio 1.5 yr un peth â Seed Audio 2.0?
Mae rhai gwefannau'n galw'r model sydd ar ddod yn Seed Audio 2.0. Mae dogfennaeth mynediad cynnar ByteDance yn ei alw'n Seed Audio 1.5, a dyna'r enw a ddefnyddiwn ni.
A yw Doitong yn gysylltiedig â ByteDance?
Nac ydy. Llwyfan fideo AI annibynnol yw Doitong. Cawsom fynediad cynnar i Seed Audio 1.5 ac rydym yn disgrifio ein canlyniadau ein hunain yma.
Beth allwch chi ei wneud gyda Seed Audio 1.5
Rhowch lais i'ch fideo mewn iaith arall
Dechreuwch gydag un clip byr, gwiriwch yr enwau, yna rhedwch y ffilm gyfan.
Dechreuwch yn Doitong