Was ist die Seed Audio 1.0 API?

Eine Text-zu-Audio-API mit einem einzigen Anfragefeld, prompt, die eine MP3-Datei aus dieser Beschreibung liefert — Sprache von einer oder mehreren Figuren, Musik, Atmosphäre und Soundeffekte, in einem Durchgang gemischt statt aus separaten Aufrufen zusammengesetzt. Ein Clip läuft bis zu rund zwei Minuten und wird pauschal mit 0,36 $ pro Anfrage abgerechnet.

Kann sie wirklich ein Gespräch zwischen zwei Figuren erzeugen?

Ja. Zitieren Sie, was jede Figur im Prompt sagt, und beschreiben Sie, wie jede klingt — das Modell gibt jeder eine eigene Stimme im selben Clip. Es gibt kein separat auszufüllendes Feld pro Figur — der ganze Austausch steht in der einen Prompt-Zeichenkette.

Gibt es eine Stimmenliste, oder kann ich eine Stimme klonen?

Nein. Dieser Endpunkt hat kein voice_id-Parameter und kein Cloning; jede Stimme in einem Clip ergibt sich daraus, wie sie im Prompt beschrieben wird — Tonfall, Alter, Akzent, Stimmung — statt aus der Auswahl einer ID oder dem Hochladen einer Referenzaufnahme.

Kann ich Musik oder Soundeffekte hinzufügen, nicht nur Sprache?

Ja, im selben Prompt. Eine Zeile zu Hintergrundmusik, Regen, Schritten oder einer zufallenden Tür wird genauso gelesen wie eine Dialogzeile und in dieselbe MP3-Datei gemischt. Es gibt kein separates Feld für Musik oder Effekte.

Wie wird abgerechnet?

Pauschal 0,36 $ pro Anfrage, unabhängig davon, wie kurz oder lang der 2.000-Zeichen-Prompt ist und wie lang der entstehende Clip läuft, bis zur Obergrenze von rund zwei Minuten. Fehlgeschlagene Anfragen werden nicht berechnet.

Gibt es einen Inhaltsfilter für NSFW-Prompts?

SpicyAPI legt keinen Inhaltsfilter auf. In unseren Tests kamen ein Ich-Monolog, eine erzählte Passage und eine Szene mit Regenatmosphäre, alle auf unserer stärksten Inhaltsstufe, mit jedem Wort gesprochen zurück. Die Verantwortung für Material und Verwendung liegt beim Aufrufenden.

Wie lang kann ein erzeugter Clip sein?

Bis zu rund zwei Minuten pro Anfrage. Eine länger laufende Szene muss in mehrere Prompts aufgeteilt werden, jeweils separat erzeugt und zum selben Pauschalpreis abgerechnet.

Wer stellt Seed Audio 1.0 her?

ByteDance Seed stellt es her. Die offizielle Dokumentation beschreibt auch Referenzaudio- und Bildeingaben sowie Voice-Cloning, von denen nichts auf diesem Endpunkt angeboten wird.

Seed Audio 1.0 API

bytedance/seed-audio-1.0/text-to-audio

ByteDances Seed Audio 1.0 Text-zu-Audio macht aus einem Prompt eine MP3-Szene von bis zu etwa zwei Minuten, mit Zeilen mehrerer Sprecher, Musik und Effekten. Bis zu drei Referenzclips übernehmen eine Stimme; Tempo, Tonhöhe und Lautstärke sind regelbar.

Ab $0.36/Anfrage

Modell ausführen API ansehen

Eingabe

Text zu Audio

Wir prüfen Ihr Konto, bevor Absenden und Preisberechnung freigeschaltet werden.

Ausgabe

Bereit für einen neuen Lauf

Beispielergebnis

0:00 / –:––

Avatar

Sprache zu Text

Lippensynchronisation

{
  "model": "bytedance/seed-audio-1.0/text-to-audio",
  "input": {
    "reference_audio_urls": [
      "https://cdn.spicyapi.ai/models/examples/seed-audio-1-0/4b2c0604faa58812.mp3"
    ],
    "speed": 1,
    "pitch": 0,
    "volume": 1,
    "output_format": "mp3",
    "prompt": "Using the voice of @Audio1, the same woman leaves a second voice message the next morning, still sleepy and smiling, close to the microphone. Birds outside the window and a kettle starting to whistle in the kitchen. She says: \"Morning... you never called back. Coffee's on. Come over before it gets cold.\""
  }
}

Einführung

Beschreibe die gesamte Audioszene in einem Prompt: wer spricht, wie, und die Zeilen in Anführungszeichen, dazu Musik, Atmosphäre oder Soundeffekte. Die Aufgabe liefert eine Audiodatei von bis zu etwa zwei Minuten mit allem, was du beschrieben hast, einschließlich Dialogen mehrerer Sprecher: eine MP3, sofern du nicht output_format setzt. Um eine Stimme wiederzuverwenden, lade bis zu drei Referenzclips in reference_audio_urls hoch und nenne sie im Prompt @Audio1 bis @Audio3, oder gib stattdessen ein Referenzbild in image_url an; speed, pitch und volume feinjustieren die Vortragsweise. SpicyAPI wendet keinen Inhaltsfilter an: Jeder Prompt wird wie geschrieben gelesen. Jede Anfrage kostet denselben Festpreis.

Spezifikation von Seed Audio 1.0 · Text to Audio
Feld	Wert
Eingabe	Text
Ausgabe	Audio
Pflichtfeld	prompt — 1 bis 2.000 Zeichen
Optionale Felder	`reference_audio_urls` oder `image_url`, speed, pitch, volume, `output_format`, `sample_rate`
Ergebnis	Eine Audiodatei von bis zu etwa zwei Minuten: standardmäßig MP3, sonst WAV, Ogg Opus, PCM
Sprecher	Mehrere, im Prompt beschrieben oder aus bis zu drei Referenzausschnitten übernommen; keine Stimmliste
Abgerechnete Menge	Ein Pauschalpreis pro Anfrage
Aufbewahrung	Generiertes Audio wird 14 Tage lang aufbewahrt

Request-Parameter

Request-Parameter von Seed Audio 1.0 · Text to Audio
Parameter	Pflicht	Beschreibung
`prompt`	Ja	Beschreiben Sie die gesamte Szene in bis zu 2.000 Zeichen: jeden Sprecher und wie er klingt, seine genauen Zeilen in Anführungszeichen sowie Musik, Umgebungsgeräusche oder Sound… mindestens 1 Zeichen · höchstens 2000 Zeichen
`reference_audio_urls`	Nein	Bis zu drei MP3- oder WAV-Ausschnitte als Vorlage: hochladen oder öffentliche URLs angeben. Jeder Ausschnitt darf höchstens 30 Sekunden lang und 10 MB groß sein. höchstens 3 Einträge
`image_url`	Nein	Optionales Referenzbild, um das herum der Ton entsteht: hochladen oder eine öffentliche URL angeben und im prompt beschreiben, was die abgebildete Person sagt oder wie die Szene… mindestens 1 Zeichen
`speed`	Nein	Sprechtempo von 0,5 (langsamer) bis 2 (schneller); 1 ist das normale Tempo der Stimme. Ändert den Preis nicht. `≥ 0.5` · `≤ 2` · Standardwert: `1`
`pitch`	Nein	Tonhöhenverschiebung in Halbtönen, von -12 bis 12; 0 behält die eigene Tonhöhe der Stimme bei. Ändert den Preis nicht. `≥ -12` · `≤ 12` · Standardwert: `0`
`volume`	Nein	Lautstärkefaktor von 0,5 bis 2; 1 ist die normale Lautstärke. Ändert den Preis nicht. `≥ 0.5` · `≤ 2` · Standardwert: `1`
`output_format`	Nein	Dateiformat: mp3 (Standard), wav, opus (Ogg Opus) oder pcm, also rohe 16-Bit-Little-Endian-Stereo-Samples, verschachtelt und ohne Header, mit der gewählten `sample_rate`. `mp3` · `wav` · `opus` · `pcm` · Standardwert: `mp3`
`sample_rate`	Nein	Abtastrate des Audios in Hz: 8000, 16000, 24000, 32000, 44100, 48000. Standardwert: 24000. `8000` · `16000` · `24000` · `32000` · `44100` · `48000`

Preis

$0.36 / Anfrage

Ein Pauschalpreis pro Anfrage, ein Clip von bis zu etwa zwei Minuten.

Anwendungsfälle

Hörspiele mit mehreren Figuren

Beschreiben Sie zwei oder mehr Sprecher und setzen Sie ihre Zeilen in Anführungszeichen, und das Modell gibt jedem eine eigene Stimme im selben Clip — kein eigenes Stimmmodell für jede Figur nötig.

Klanggestaltete Szenen

Ein Prompt kann Dialog, Hintergrundmusik, Umgebungsgeräusche und Soundeffekte zugleich verlangen, sodass eine einzige Anfrage eine fertige Szene liefert statt nur einer nackten Sprachzeile.

Unzensierte Audio-Fiktion

Prompts werden ohne Inhaltsfilter wie geschrieben gelesen. In unseren Tests kamen ein Ich-Monolog, erzählte Fiktion und eine Szene mit Regenatmosphäre, alle über das hinaus geschrieben, was andere Dienste akzeptieren, mit jedem gesprochenen Wort zurück.

Sprachspuren für Video

Erzeugen Sie die Szene hier und geben Sie die MP3-Datei dann an ein Talking-Avatar- oder Lip-Sync-Modell weiter, damit ein Gesicht sie vorträgt.

Tutorials zu den wichtigsten Anwendungsfällen ansehen

Prompt-Leitfaden und Praxistipps

Sprecher beschreiben

Geben Sie an, wer spricht und wie — ein atemloses Flüstern, ein warmer Erzähler — und setzen Sie die genauen Worte in Anführungszeichen.
Klanglandschaft hinzufügen

Erwähnen Sie Musik, Umgebungsgeräusche oder Soundeffekte, die neben dem Dialog laufen sollen: ein Regensturm, eine tickende Uhr, ein anschwellender Score.
Innerhalb von 2.000 Zeichen bleiben

Ein Prompt deckt eine Szene von bis zu etwa zwei Minuten ab; längere Geschichten müssen auf mehrere Anfragen verteilt werden.

Was zurückgegeben wird

Eine Audiodatei pro Aufgabe, bis zu etwa zwei Minuten lang – ein MP3, sofern Sie output_format nicht ändern. Die Datei wird in den SpicyAPI-Speicher kopiert und 14 Tage lang aufbewahrt.

Den Prompt schreiben

Seed Audio 1.0 nimmt ein einziges Feld prompt (bis zu 2.000 Zeichen) entgegen, das die gesamte Szene beschreibt:

Wer spricht und wie — ein Flüstern, ein warmer Erzähler, eine geschriene Zeile.
Ihre genauen Worte, in Anführungszeichen.
Musik, Umgebungsgeräusche oder Soundeffekte, die Sie neben dem Dialog möchten.

Dieses Modell unterstützt mehr als einen Sprecher im selben Clip: Beschreiben Sie jede Figur und ihre Zeilen, und es gibt jeder eine eigene Stimme.

Referenzaudio und Referenzbild

Eine Stimmliste gibt es nicht. Um eine Stimme oder ein Geräusch wiederzuverwenden, laden Sie in reference_audio_urls bis zu drei Ausschnitte hoch und nennen sie im Prompt in der Reihenfolge des Hochladens @Audio1, @Audio2 und @Audio3 – zum Beispiel „Mit der Stimme von @Audio1 sagt ein Mann …“. Oder geben Sie in image_url ein Bild an und beschreiben Sie, was die Person darauf sagt oder wie die Szene klingt; beide Eingaben lassen sich nicht kombinieren. Verwenden Sie nur Stimmen und Bilder, für die Sie die Rechte haben.

Vortrag und Format

speed (0,5–2), pitch (-12 bis 12 Halbtöne) und volume (0,5–2) verfeinern den Vortrag. output_format wählt mp3 (Standard), wav, opus (Ogg Opus) oder pcm, und sample_rate reicht von 8000 bis 48000 Hz. pcm sind rohe 16-Bit-Little-Endian-Stereo-Samples ohne Header und lassen sich daher nicht im Browser abspielen; wählen Sie wav für dieselben Samples in einer abspielbaren Datei. Nichts davon ändert den Preis.

Abrechnung

Ein Pauschalpreis pro Anfrage, unabhängig von der Prompt-Länge. Fehlgeschlagene Anfragen werden nicht berechnet.

Inhalt

SpicyAPI fügt keinen Inhaltsfilter hinzu. In unseren Tests kamen drei Prompts, die andere Dienste ablehnen – ein Ich-Monolog, erzählte Fiktion und eine Szene mit Regenatmosphäre –, alle mit jedem gesprochenen Wort zurück.

SpicyAPI fügt keinen Inhaltsfilter hinzu: Prompts werden wie geschrieben gelesen, was auch immer sie enthalten. Du bist verantwortlich für die Szenen, die du beschreibst, und für die Verwendung des erzeugten Audios, einschließlich der Frage, es nicht als Äußerungen einer realen Person auszugeben.

API-Schnellstart

# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
  -H "Authorization: Bearer $SPICY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
  -d '{
  "model": "bytedance/seed-audio-1.0/text-to-audio",
  "input": {
    "output_format": "mp3",
    "prompt": "Calm ambient pads with a slow rising motif"
  }
}'

# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
  -H "Authorization: Bearer $SPICY_API_KEY"

Authentifizierung, vollständiges Schema, Polling und Fehlerbehandlung stehen in der API-Referenz.

Ein Prompt, eine ganze Szene: Stimmen, Musik und Sound zusammen

Seed Audio 1.0 nimmt ein einzelnes Prompt-Feld entgegen und liefert eine MP3-Datei, die Sprache mehrerer unterschiedlicher Figuren, Hintergrundmusik, Atmosphäre und Soundeffekte gleichzeitig tragen kann — nicht nur eine Stimme, die eine Zeile liest. Es gibt keine Stimmenliste und kein Voice-Cloning; jede Figur wird direkt im Prompt beschrieben, in Anführungszeichen, mit einem Hinweis darauf, wie sie klingt. Ein Clip dauert bis zu rund zwei Minuten, und die Anfrage wird pauschal mit 0,36 $ abgerechnet, unabhängig davon, wie lang der Prompt oder der entstehende Clip ist.

Playground öffnen

Anfragefeld: prompt — ein Feld, bis zu 2.000 Zeichen
Ausgabe: Eine MP3-Datei, bis zu rund zwei Minuten
Besetzung: Mehrere Figuren mit unterschiedlichen Stimmen in einem Clip
Abrechnung: Pauschal 0,36 $ pro Anfrage, unabhängig von der Prompt-Länge
Nicht auf diesem Endpunkt: Keine Stimmenliste, kein Cloning, kein Referenzaudio oder -bild
Aufbewahrung: Erzeugtes Audio bleibt 14 Tage verfügbar

Umfang: Ein Prompt ersetzt eine ganze ProduktionDialog in Anführungszeichen, ein Hinweis zur Musik, eine Zeile zum Raumklang — alles kommt in dasselbe 2.000-Zeichen-Feld, und eine MP3-Datei kommt zurück, in der Sprache, Musik, Atmosphäre und Effekte bereits gemischt sind. Es gibt keinen separaten Aufruf für die Musik oder den Raumklang; das Modell liest die ganze Szene aus der einen Beschreibung.
Prompting: Wie eine kurze Szenenregie schreibenZitieren Sie die genauen Worte jeder Figur, fügen Sie ein paar Worte dazu hinzu, wie jede klingt, und nennen Sie Raumklang oder Musik im selben Prompt. Nur die zitierten Zeilen werden gesprochen — in unseren Tests wurde die umgebende Szenenbeschreibung selbst nie laut vorgelesen, halten Sie sie also getrennt vom Dialog und lassen Sie sie ihre Wirkung still entfalten, indem sie den Mix formt, statt gesprochen zu werden.
Getestet: Unsere stärksten Test-Prompts kamen vollständig gesprochen zurückIn unseren eigenen Tests kamen drei Prompts auf unserer stärksten Inhaltsstufe (ein Monolog in der Ich-Form in Anführungszeichen, eine erzählte Passage und eine Szene mit Regenatmosphäre) alle mit jedem Wort gesprochen zurück, und der Vortrag folgte der im Prompt beschriebenen Stimmung — atemlos, warmer Erzählton und ähnliches.

Was die Seed Audio 1.0 API gut kann

Dialog zwischen mehreren Figuren in einem Clip
Zitieren Sie, was jede Figur sagt, und beschreiben Sie, wie sie klingt — das Modell gibt jeder eine eigene Stimme in derselben MP3-Datei. Das deckt ein Gespräch zwischen zwei Figuren oder einen kurzen Gruppenaustausch ab, ohne separate Einzelstimmen-Generierungen hinterher zusammenzufügen.
Musik, Atmosphäre und Effekte aus demselben Prompt
Der Prompt ist nicht auf Gesprochenes beschränkt: Eine Zeile zu Hintergrundmusik, Regen, Schritten oder einer zufallenden Tür wird genauso gelesen wie Dialog und fließt in denselben Mix ein. Es gibt kein separates Feld für Musik oder Soundeffekte.
Ein geschlossenes Ein-Felder-Schema
prompt ist die gesamte Anfrage, bis zu 2.000 Zeichen, und nichts anderes wird akzeptiert. Es gibt kein voice_id, kein Sprachfeld und keine Einstellung pro Figur — die ganze Szene inklusive Besetzung steckt in dieser einen Zeichenkette.
Ein Pauschalpreis unabhängig von Prompt- oder Cliplänge
Die Abrechnung beträgt 0,36 $ pro Anfrage, egal wie kurz oder lang der Prompt ist oder wie lang der entstehende Clip läuft, bis zur Obergrenze von rund zwei Minuten. Das macht die Kosten für eine Reihe von Szenen planbar, ohne vorher Zeichen oder Sekunden zu zählen.
Der Vortrag folgt der beschriebenen Stimmung
In unseren Tests kamen ein atemloser Ich-Monolog und eine warme, hörbuchartige Erzählung jeweils in einer Art vorgetragen zurück, die zur im Prompt genannten Stimmung passte, statt eines einzigen flachen Vortragsstils unabhängig von der Anfrage.
Liest jede Testszene wie geschrieben
SpicyAPI legt keinen zusätzlichen Inhaltsfilter auf diesen Endpunkt. In unseren Tests kamen ein Monolog, eine erzählte Passage und eine Szene mit Regenatmosphäre, alle auf unserer stärksten Inhaltsstufe, mit jedem Wort gesprochen zurück. Die Verantwortung für Material und Verwendung liegt beim Aufrufenden.

Für wen sich Seed Audio 1.0 eignet

Produzenten von Hörspielen und Fiction-Podcasts
Eine Zweipersonenszene aus einem Prompt
Beide Figurenzeilen in Anführungszeichen mit einem kurzen Hinweis zum Ton zu schreiben, lässt das Modell einen kurzen Austausch in einem Clip tragen, statt jede Zeile als separate Einzelstimmen-Anfrage zu erzeugen und hinterher von Hand zu mischen.
Sound-Designer für Spiele und Apps
Eine Klangkulisse, nicht nur eine Dialogzeile
Den Raum zu beschreiben — Regen draußen, eine zufallende Tür, Hintergrundmusik — zusammen mit einer gesprochenen Zeile erzeugt eine gemischte Szene in einem Durchgang, nützlich für einen kurzen Etablierungsmoment, in dem Dialog allein zu kahl wirken würde.
Produzenten unzensierter Audiofiktion
Eine erzählte Szene mit Klang, nicht nur eine Stimme
In unseren Tests kam eine Szene auf unserer stärksten Inhaltsstufe mit Regenatmosphäre mit den gewünschten Klängen zurück, und jede Zeile wurde vollständig gesprochen. Das ist wichtig für Szenen, die gehört statt gelesen werden sollen, wo Atmosphäre genauso viel trägt wie die Worte.
Prototyping- und Pitch-Teams
Ein grober Szenenschnitt vor einer vollen Produktion
Eine einzige, pauschal bepreiste Anfrage verwandelt eine geschriebene Szenenbeschreibung in eine Audioskizze mit Stimmen, Musik und Effekten zusammen, nützlich um zu testen, wie eine Szene wirkt, bevor man sich auf eine volle Stimmbesetzung und Sounddesign festlegt.

So rufen Sie die Seed Audio 1.0 API auf

Schreiben Sie die Szene als einen Prompt, bis zu 2.000 Zeichen
Zitieren Sie, was jede Figur sagt, notieren Sie, wie sie klingt, und beschreiben Sie Musik, Atmosphäre oder Effekte im selben Feld. Es gibt dafür kein separates Feld; die ganze Szene ist eine Zeichenkette.
Beschreiben Sie Stimmen im Prompt, da es keine Stimmenliste gibt
Dieser Endpunkt hat kein voice_id und kein Cloning, also kommt die Stimme einer Figur ausschließlich aus ihrer Beschreibung im Prompt — Alter, Tonfall, Akzent, Stimmung — statt aus der Auswahl einer ID von einer Liste.
Halten Sie die Szene bei rund zwei Minuten
Eine einzelne Generierung deckt bis zu etwa zwei Minuten Audio ab; eine länger laufende Szene muss in separate Anfragen aufgeteilt werden, jede zum selben Pauschalpreis abgerechnet.
Senden Sie die Anfrage zu pauschal 0,36 $
Es gibt nichts vorab zu schätzen: Der Preis beträgt immer 0,36 $, egal ob der Prompt eine einzelne Zeile oder nahe der 2.000-Zeichen-Grenze ist, und egal wie lang der entstehende Clip ist.
MP3 abrufen und das 14-Tage-Fenster einplanen
Das Ergebnis ist eine MP3-Datei mit der ganzen gemischten Szene. Erzeugtes Audio bleibt 14 Tage verfügbar, verschieben Sie die Datei also in Ihren eigenen Speicher, wenn Sie sie länger brauchen.

Seed Audio 1.0 in der Praxis

Ein später Telefonanruf zwischen zwei Stimmen
Die Zeilen zweier Figuren werden direkt im Prompt mit einem kurzen Hinweis zum Ton zitiert, sodass das Modell jeder eine eigene, nah am Mikrofon aufgenommene Stimme im selben Clip geben kann statt einer einzigen flachen Erzählung.
```
{"prompt": "A quiet late-night phone call between two people who miss each other. Woman, warm and a little breathless: \"I wish you were here right now.\" Man, low and teasing: \"Tell me what you'd do if I were.\" Soft room tone, no music."}
```
Eine romantische Hörbuchszene mit Atmosphäre
Eine kurze erzählte Passage zusammen mit einer Raumbeschreibung — Regen draußen, ein knisterndes Feuer — kommt als eine gemischte Szene zurück statt einer flachen Stimme gegen Stille.
```
{"prompt": "A warm female narrator reads a romance novel passage in a hushed, intimate tone: \"He pulled her closer, his breath warm against her ear.\" Rain against the window, a fire crackling softly in the background."}
```

Ein anzüglicher Zweizeiler für ein Spiel

Ein kurzer Schlagabtausch zwischen zwei Spielfiguren, jede mit einer eigenen beschriebenen Stimme und einem verspielten Ton, als ein Clip erzeugt, bereit für eine Szene.

{"prompt": "A playful exchange between two characters flirting after a date. Woman, light and amused: \"Careful, you're making it hard to say goodnight.\" Man, warm and confident, laughing softly: \"Then don't.\""}

Häufige Fragen zur Seed Audio 1.0 API

Schreiben Sie den Prompt eher wie eine kurze Szenenregie als wie eine Bildunterschrift: Zitieren Sie die tatsächlichen Worte jeder Figur, fügen Sie ein paar Worte dazu hinzu, wie jede klingt, und beschreiben Sie den Raum um sie herum — Regen, Musik, eine zufallende Tür — in derselben Zeichenkette, da es dafür kein separates Feld gibt. Da die Preisgestaltung pauschal pro Anfrage statt pro Zeichen oder Sekunde erfolgt, ist der einzige Kostenhebel, wie viele Anfragen ein Projekt braucht, nicht wie viel in jeden Prompt gepackt wird — es lohnt sich also, eine Szene vollständig auszuarbeiten, statt sie zur Längenersparnis aufzuteilen. Behalten Sie die Obergrenze von rund zwei Minuten im Blick: Eine längere Szene muss von Anfang an als mehr als ein Prompt geplant werden.

Playground

Eingabe

Ausgabe

Einführung

Request-Parameter

Preis

Anwendungsfälle

Hörspiele mit mehreren Figuren

Klanggestaltete Szenen

Unzensierte Audio-Fiktion

Sprachspuren für Video

Prompt-Leitfaden und Praxistipps

Was zurückgegeben wird

Den Prompt schreiben

Referenzaudio und Referenzbild

Vortrag und Format

Abrechnung

Inhalt

API-Schnellstart

Verwandte Modelle und nächste Schritte

Ein Prompt, eine ganze Szene: Stimmen, Musik und Sound zusammen

Was die Seed Audio 1.0 API gut kann

Dialog zwischen mehreren Figuren in einem Clip

Musik, Atmosphäre und Effekte aus demselben Prompt

Ein geschlossenes Ein-Felder-Schema

Ein Pauschalpreis unabhängig von Prompt- oder Cliplänge

Der Vortrag folgt der beschriebenen Stimmung

Liest jede Testszene wie geschrieben

Für wen sich Seed Audio 1.0 eignet

Eine Zweipersonenszene aus einem Prompt

Eine Klangkulisse, nicht nur eine Dialogzeile

Eine erzählte Szene mit Klang, nicht nur eine Stimme

Ein grober Szenenschnitt vor einer vollen Produktion

So rufen Sie die Seed Audio 1.0 API auf

Schreiben Sie die Szene als einen Prompt, bis zu 2.000 Zeichen

Beschreiben Sie Stimmen im Prompt, da es keine Stimmenliste gibt

Halten Sie die Szene bei rund zwei Minuten

Senden Sie die Anfrage zu pauschal 0,36 $

MP3 abrufen und das 14-Tage-Fenster einplanen