版本比較
Seed Audio 1.5 與 1.0 有什麼不同?
簡單來說:多了影片
Seed Audio 1.0 的功能早已不只是把文字唸出來:一段提示詞就能同時包含人聲、音效和環境音。1.5 保留了這一切,並加上 1.0 做不到的事:以影片作為輸入。影片配音、保留原聲的翻譯,以及為無聲畫面補上聲音,都是由此延伸而來。你也可以把影片翻譯成中文。
我們在 Doitong 的文字轉語音工具中使用 Seed Audio 1.0,並在搶先體驗階段測試了 1.5。
兩個版本的實測心得
1.0 不接受影片輸入
2026 年 9 月,1.0 的 API 雖然已經會驗證影片參考欄位,但隨後回應該功能尚未實作。影片相關的工作只能等到 1.5。
1.0 只能手動配音
在 1.5 推出之前,我們用 1.0 搭配聲音參考,逐句把一部影片配成西班牙語。聲音能維持一致,但每一句都得手動對時間、逐一檢查。影片翻譯省去了這個反覆的過程。
功能逐項比較
以下取自 ByteDance 的 Seed Audio 1.5 概覽,將兩個版本與一般文字轉語音引擎做比較。
各版本支援的輸入與輸出
| 模式 | Seed Audio 1.5 | Seed Audio 1.0 | 一般 TTS |
|---|---|---|---|
| 文字轉語音 | 支援 | 支援 | 支援 |
| 聲音複製 | 支援 | 支援 | 支援 |
| 文字生成音訊(人聲、音效、音樂) | 支援 | 支援 | 不支援 |
| 文字+參考音訊 | 支援 | 支援 | 不支援 |
| 文字+影片 → 音訊(配音) | 支援 | 不支援 | 不支援 |
| 文字+影片+聲音參考 | 支援 | 不支援 | 不支援 |
| 以文字生成音樂,最長 6 分鐘 | 支援 | 不支援 | 不支援 |
1.5 新增功能
| 功能 | Seed Audio 1.5 |
|---|---|
| 保留原聲的影片翻譯 | 英文或中文 → 30 種語言 |
| 音軌分離 | 最多 6 軌 |
| 每次請求的聲音參考數 | 最多 6 個 |
| 每次請求的音訊長度 | 最長 6 分鐘 |
| 時間戳記控制 | 人聲、音效與音樂 |
| 含歌詞的歌曲 | 英文、中文、日文、韓文、粵語 |
資料來源:ByteDance,〈Seed Audio 1.5 — Everything To Hear Is Here〉與搶先體驗整合指南,2026 年 10 月。
常見問題
Seed Audio 1.5 和 1.0 最大的差別是什麼?
影片輸入。Seed Audio 1.5 可以接收影片,並生成與畫面相符的音訊,因此能做影片配音、保留原聲的影片翻譯,以及為無聲片段加上聲音。Seed Audio 1.0 只能根據文字和參考音訊來生成。
Seed Audio 1.0 現在還有用嗎?
有,只要不涉及影片,像是文字轉語音和以文字驅動的音效設計,1.0 都還很適用。Doitong 的文字轉語音工具就是以它為基礎。
1.5 支援更多語言嗎?
Seed Audio 1.5 支援 30 種語言,影片翻譯可從英文或中文翻成其中任何一種。
Seed Audio 1.5 就是 Seed Audio 2.0 嗎?
有些網站把這個新模型標為 2.0,但 ByteDance 的搶先體驗文件中,名稱是 Seed Audio 1.5。