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
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
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。
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。
开始分离
模型最多返回六条音轨:人声、音效和音乐。
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
| 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。