Seed Audio 1.0 — 一次生成全场景 AI 音频全场景音频
在 SeedDance 使用字节跳动 Seed 全场景音频模型。从单一提示词编排多角色对白、情绪表达、氛围与音效，单次最长约两分钟。
已在 SeedDance 平台上线
什么是 Seed Audio 1.0
Seed Audio 1.0 是字节跳动 Seed 团队的多模态音频创作模型。不同于只输出单一旁白的传统 TTS，它生成完整声音场景——对白及其所处的声场。在 SeedDance 上可用文本提示（最多 1,500 字符）生成，并可选最多 3 段参考音频或 1 张参考图，单次输出最长约两分钟。
超越文本转语音
传统 TTS 只生成一条人声。Seed Audio 1.0 面向完整声景：对白、氛围、音效与场景质感一次编排。用自然语言描述场景，即可获得可听混音，而不是跨多个工具拼接。
参考音频或参考图
最多上传 3 段参考音频，并在提示词中用 @Audio1、@Audio2、@Audio3 引导音色；或不使用参考音频时，改用 1 张参考图影响氛围。参考音频与参考图不可同次使用。
多角色对话与情绪
一次生成多位说话人，各自音色与情绪弧线不同，适合脚本播客、培训场景与角色叙事，无需多位配音演员。
氛围与音效一次完成
可在同一场景上下文中随对白生成环境声与动作音效，减少原型与短内容阶段的素材检索与粗混工作。
在 SeedDance 上用 Seed Audio 1.0 能做什么
AI 音频生成器中已开放的能力——提示词、参考输入与输出时长边界清晰可查。
SeedDance 上的 Seed Audio 1.0 功能集
AI 音频生成器中已对 Seed Audio 1.0 开放的能力。
文本生成音频场景
用自然语言描述角色、场景、情绪与节奏（最多 1,500 字符），生成完整声景而非单一旁白。
参考音频条件控制
上传最多 3 段参考音频（通常每段最长约 30 秒、10MB），在提示词中用 @Audio1/@Audio2/@Audio3 引导音色与角色分配。
可选参考图片
可上传 1 张参考图（JPEG/PNG/WebP）影响氛围；与参考音频互斥。
多角色对话
一次生成多位说话人，支持脚本对话、访谈与叙事交流。
氛围与环境音效
可随对白生成环境声设计——雨声、脚步、城市噪声、机械嗡鸣等，由提示词描述。
提示词级对白时序
可在提示词中指定台词进入时机。官方对角色对白的时序控制精度约 100ms，适合配音与对时脚本。
多语言场景音频
官方支持 20+ 语言的表现力场景音频，包括中文、英文、日语、韩语、西班牙语等，便于本地化草稿。
最长约 2 分钟输出
在 SeedDance 上单次最长约两分钟，适合播客片头、广告与短剧场景。
常见问题
关于在 SeedDance 上使用 Seed Audio 1.0 的说明。