Pular para o conteúdo principal

Seed Audio 1.0 API

Sem censura — Este modelo declara não aplicar filtro de conteúdo. A SpicyAPI encaminha a solicitação sem adicionar uma análise de conteúdo da plataforma; as obrigações legais e de consentimento continuam com o cliente.Ver todos os modelos com esse nível de filtragem
bytedance/seed-audio-1.0/text-to-audio

O text-to-audio Seed Audio 1.0 da ByteDance transforma um prompt em uma cena MP3 de até cerca de dois minutos, com falas entre aspas de vários falantes, música e sons. Até três clipes de referência reutilizam uma voz, com velocidade, tom e volume ajustáveis.

A partir de $0.36/solicitação
Executar modelo

Playground

Entrada

Texto para áudio
305/2000

Reordenar atualiza as referências no prompt. Excluir um arquivo também remove suas referências; confira o prompt.

Descreva a cena inteira em até 2.000 caracteres: cada falante e como ele soa, suas falas exatas entre aspas, e qualquer música, ambiente ou efeito sonoro. Os clipes de referência são chamados de @Audio1 a @Audio3, na ordem de envio. pelo menos 1 caracteres · no máximo 2000 caracteres
1/3

Solte um arquivo de áudio aqui ou procure no computador · Até 3 arquivos · Máx. 10 MB · MP3 · WAV

  • @Audio1
1 / 3 arquivos
Até três clipes MP3 ou WAV de referência: envie os arquivos ou informe URLs públicas. Cada clipe pode ter até 30 segundos e 10 MB. No prompt eles se chamam @Audio1, @Audio2 e @Audio3 na ordem de envio, por exemplo “Com a voz de @Audio1, …”. Não pode ser combinado com image_url. Use apenas vozes e gravações que você tem o direito de usar. Não altera o preço. no máximo 3 itens
0/1

Arraste arquivos ou links de mídia, cole ou selecione · 1 arquivo · Máx. 10 MB · JPG · PNG · WEBP

0 / 1 arquivos
Imagem de referência opcional em torno da qual o áudio é criado: envie o arquivo ou informe uma URL pública e descreva no prompt o que a pessoa da imagem diz ou como a cena soa. Não pode ser combinada com reference_audio_urls. Não altera o preço. pelo menos 1 caracteres
Velocidade
Velocidade da fala de 0,5 (mais lenta) a 2 (mais rápida); 1 é o ritmo normal da voz. Não altera o preço. não menor que 0.5 · não maior que 2
Tom
Deslocamento de tom em semitons, de -12 a 12; 0 mantém o tom natural da voz. Não altera o preço. não menor que -12 · não maior que 12
Volume
Multiplicador de volume de 0,5 a 2; 1 é o nível normal. Não altera o preço. não menor que 0.5 · não maior que 2
Formato de saída
MP3WAVOpusPCM (bruto)
Formato do arquivo: mp3 (padrão), wav, opus (Ogg Opus) ou pcm, isto é, amostras estéreo brutas de 16 bits little-endian, intercaladas e sem cabeçalho, no sample_rate escolhido. Navegadores não reproduzem pcm; escolha wav para receber as mesmas amostras em um arquivo reproduzível. Não altera o preço.
Taxa de amostragem
8 kHz16 kHz24 kHz32 kHz44,1 kHz48 kHz
Taxa de amostragem do áudio em Hz: 8000, 16000, 24000, 32000, 44100, 48000. Padrão: 24000. Não altera o preço.
Filtro de segurançaDesligado

A SpicyAPI não executa filtro de segurança neste modelo. Seu prompt e suas mídias chegam ao modelo exatamente como você os enviou, e o próprio modelo decide o resultado.

Verificando sua conta antes de liberar o envio e a estimativa de preço.

Saída

Pronto para uma nova execução
Resultado de exemplo
0:00 / –:––
Avatar
Fala para texto
Sincronia labial

Modelos relacionados e próximas tarefas

Não encontrou o modelo que precisa?

Conte qual modelo adicionar e para que você vai usá-lo. Os pedidos vão direto para quem decide os próximos modelos.

Um prompt, uma cena inteira: vozes, música e som juntos

O Seed Audio 1.0 recebe um único campo de prompt e devolve um MP3 que pode trazer falas de vários personagens distintos, música de fundo, ambientação e efeitos sonoros ao mesmo tempo, em vez de uma única voz lendo uma linha. Não há lista de vozes nem clonagem de voz; cada personagem é descrito dentro do próprio prompt, entre aspas, com uma nota sobre como soa. Um clipe dura até cerca de dois minutos, e a solicitação é cobrada a uma taxa fixa de US$ 0,36, independentemente do tamanho do prompt ou da duração do clipe resultante.

Abrir o playground
Campo da solicitação
prompt — um campo, até 2.000 caracteres
Saída
Um MP3, com até cerca de dois minutos
Elenco
Vários personagens com vozes distintas em um clipe
Cobrança
US$ 0,36 fixos por solicitação, qualquer que seja o tamanho do prompt
Não disponível aqui
Sem lista de vozes, clonagem, áudio ou imagem de referência
Retenção
O áudio gerado fica disponível por 14 dias
Escopo
Um prompt substitui uma produção inteiraDiálogo entre aspas, uma nota sobre a música, uma linha sobre o som ambiente do lugar — tudo entra no mesmo campo de 2.000 caracteres, e volta um MP3 com fala, música, ambientação e efeitos já misturados. Não há chamada separada para a trilha sonora ou o ruído de fundo; o modelo lê a cena inteira a partir daquela única descrição.
Como escrever o prompt
Escreva como uma direção de cenaCite as palavras exatas de cada personagem, acrescente algumas palavras sobre como cada um soa, e nomeie qualquer som de ambiente ou música no mesmo prompt. Só as falas citadas são ditas — em nossos testes, a descrição da cena em si nunca foi lida em voz alta, então mantenha-a separada do diálogo e deixe-a cumprir seu papel em silêncio, moldando a mixagem em vez de ser falada.
Testado
Nossos prompts de teste mais fortes voltaram narrados por completoEm nossos próprios testes, três prompts no nível de conteúdo mais forte (um monólogo em primeira pessoa entre aspas, uma passagem narrada e uma cena com ambientação de chuva) voltaram com cada palavra falada, e a interpretação seguiu o clima descrito no prompt — ofegante, tom de narrador caloroso, e assim por diante.

O que a API Seed Audio 1.0 faz bem

  • Diálogo entre vários personagens em um só clipe

    Cite o que cada personagem fala e descreva como soa, e o modelo dá a cada um uma voz distinta no mesmo MP3. Isso cobre uma conversa entre dois personagens ou uma breve troca em grupo sem precisar costurar depois gerações separadas de voz única.

  • Música, ambientação e efeitos a partir do mesmo prompt

    O prompt não se limita ao que é falado: uma linha descrevendo música de fundo, chuva, passos ou uma porta se fechando é lida do mesmo jeito que o diálogo e entra na mesma mixagem. Não há campo separado para música ou efeitos sonoros.

  • Um esquema fechado de campo único

    prompt é toda a solicitação, até 2.000 caracteres, e nada além disso é aceito. Não há voice_id, campo de idioma nem configuração por personagem — a cena inteira, elenco incluído, é descrita nessa única string.

  • Um preço fixo independente do tamanho do prompt ou do clipe

    A cobrança é de US$ 0,36 por solicitação, não importa se o prompt é curto ou longo nem quanto tempo dure o clipe resultante, até o teto de cerca de dois minutos. Isso torna o custo de um lote de cenas previsível sem medir caracteres ou segundos antecipadamente.

  • A interpretação segue o clima que você descreve

    Em nossos testes, um monólogo ofegante em primeira pessoa e uma narração calorosa em estilo audiolivro voltaram cada um interpretado de um jeito condizente com o clima nomeado no prompt, em vez de um único estilo de leitura neutro independente do que foi pedido.

  • Lê cada cena de teste como está escrita

    A SpicyAPI não adiciona nenhum filtro de conteúdo a este endpoint. Em nossos testes, um monólogo, uma passagem narrada e uma cena com ambientação de chuva, cada um escrito no nível de conteúdo mais forte, voltaram com cada palavra falada. A responsabilidade pelo material e seu uso é de quem faz a chamada.

Para quem Seed Audio 1.0 é indicado

  • Produtores de áudio-drama e podcasts de ficção

    Uma cena de dois personagens a partir de um prompt

    Escrever as falas dos dois personagens entre aspas com uma breve nota sobre o tom permite que o modelo carregue uma troca curta em um só clipe, em vez de gerar cada fala como uma solicitação separada de voz única e misturá-las à mão depois.

  • Designers de ambientação para jogos e apps

    Uma paisagem sonora, não só uma linha de diálogo

    Descrever o ambiente — chuva lá fora, uma porta se fechando, música de fundo — junto com qualquer fala produz uma cena misturada em uma só passada, útil para um momento curto de ambientação em que o diálogo sozinho pareceria vazio.

  • Produtores de ficção em áudio sem censura

    Uma cena narrada com som, não só uma voz

    Em nossos testes, uma cena no nível de conteúdo mais forte, com ambientação de chuva, voltou com os sons pedidos presentes e cada fala dita por completo, o que importa para cenas feitas para serem ouvidas em vez de lidas, onde a atmosfera carrega tanto quanto as palavras.

  • Equipes de prototipagem e pitch

    Um rascunho de cena antes de contratar uma produção completa

    Uma única solicitação de preço fixo transforma uma descrição de cena escrita em um esboço de áudio com vozes, música e efeitos juntos, útil para testar como uma cena funciona antes de se comprometer com um elenco de vozes e trabalho de som completos.

Como chamar a API Seed Audio 1.0

  1. Escreva a cena como um único prompt, até 2.000 caracteres

    Cite o que cada personagem fala, anote como soa e descreva qualquer música, ambientação ou efeito no mesmo campo. Não há campo separado para nada disso; a cena inteira é uma única string.

  2. Descreva as vozes no prompt, já que não há lista de vozes

    Este endpoint não tem voice_id nem clonagem, então a voz de um personagem vem inteiramente de como é descrita no prompt — idade, tom, sotaque, humor — em vez de escolher um ID de uma lista.

  3. Mantenha a cena em torno de dois minutos

    Uma única geração cobre até cerca de dois minutos de áudio; uma cena que precise durar mais tem que ser dividida em solicitações separadas, cada uma cobrada na mesma taxa fixa.

  4. Envie a solicitação a uma taxa fixa de US$ 0,36

    Não há nada para estimar antes: o preço é sempre US$ 0,36, seja o prompt uma única linha ou perto do limite de 2.000 caracteres, e independentemente de quanto dure o clipe resultante.

  5. Baixe o MP3 e planeje em torno da janela de 14 dias

    O resultado é um MP3 com a cena inteira já misturada. O áudio gerado fica disponível por 14 dias, então mova o arquivo para seu próprio armazenamento se precisar dele por mais tempo.

Seed Audio 1.0 na prática

  • Uma ligação de madrugada entre duas vozes

    As falas de dois personagens são citadas diretamente no prompt com uma breve nota sobre o tom, para que o modelo dê a cada um uma voz distinta, de microfone próximo no mesmo clipe em vez de uma única narração neutra.

    {"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."}

  • Uma cena romântica de audiolivro com ambientação

    Uma passagem narrada curta junto com uma descrição do ambiente — chuva lá fora, uma lareira crepitando — volta como uma única cena misturada em vez de uma voz neutra sobre o silêncio.

    {"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."}

  • Uma troca sedutora de duas falas em um jogo

    Uma breve troca entre dois personagens de jogo, cada um com uma voz descrita distinta e um tom brincalhão, gerada como um só clipe pronto para entrar em uma cena.

    {"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.\""}

Perguntas sobre a API Seed Audio 1.0

Escreva o prompt mais como uma breve direção de cena do que como uma legenda: cite as palavras reais que cada personagem fala, acrescente algumas palavras sobre como cada um soa, e descreva o ambiente ao redor deles — chuva, música, uma porta se fechando — na mesma string, já que não há campo separado para nada disso. Como o preço é fixo por solicitação em vez de por caractere ou por segundo, a única alavanca de custo é quantas solicitações um projeto precisa, não quanto é colocado em cada prompt, então vale a pena escrever uma cena por completo em vez de dividi-la para economizar tamanho. Fique de olho no teto de cerca de dois minutos: uma cena mais longa precisa ser planejada desde o início como mais de um prompt.

Comparações relacionadas

Seed Audio 1.0 vs Suno v6 MiniSeed Audio 1.0 vs Suno v6 WildSeed Audio 1.0 vs Suno v6Seed Audio 1.0 vs MiniMax Music 3.0