ByteDance Seed Audio 1.0 er en lydskapingsmodell organisert rundt en lydscene. Tale, effekter og bakgrunnslyd kan utformes sammen gjennom en tekstbestilling. Dette gjør den nyttig for en fortalt historie, en hendelse i et spill, en kort dramatisk utveksling eller en scene som følger en redigert video. Ved arbeid med bare stemme bør du beskrive taleren og fremføringen; for en fyldigere scene bør du også beskrive det akustiske miljøet og forholdet mellom dialogen og lydene rundt.
Klargjør bestillingen i den rekkefølgen lytteren skal oppleve scenen. Identifiser karakterene, den tiltenkte følelsestilstanden deres og ordene de skal si. Beskriv deretter rommet, de viktige lydsignalene og hvordan øyeblikket utvikler seg. En produksjonsbestilling bør skille den nøyaktige dialogen fra scenebeskrivelsen, slik at resultatet kan kontrolleres mot begge. Angi hvilke elementer som er avgjørende for forståelsen, og hvilke som skal ligge i bakgrunnen. Et stille rom, en travel stasjon og en åpen gårdsplass krever ulik lyddesign, selv når replikken er identisk.
Et eget eksempel er en spillkarakter som beroliger en følgesvenn i en kort scene i ly: en behersket stemme sier «Vi kan vente her», med dempet regnlyd og ett fottrinn som nærmer seg etter replikken. Den nyttige lyttekontrollen er om ordene fortsatt er forståelige, stemmen formidler beroligelse og lydsignalet kommer på et fornuftig tidspunkt i scenen. En annen bestilling kan be om en tydelig forteller som introduserer et produkt uten omgivelseslyd. Dette er illustrerende måter å angi hensikt på, fremfor registreringer av generert lyd eller løfter om en ferdig miks.
Produsenten dokumenterer timingkontroll i instruksjonen for karakterdialog i intervaller på 100 ms. Bruk denne kontrollen til å beskrive når en replikk skal begynne i en manussekvens, eller til å planlegge tale mot en eksisterende redigert sekvens. Hold dialogtiming atskilt fra plasseringen av effekter og bakgrunnslyd: utgaven oppgir karakterdialog som hovedfokus for timingkontrollen. Kontroller de faktiske startene, pausene og overlappingene mot den tiltenkte scenen. Et timingintervall beskriver modellens kontrolloppløsning og fjerner ikke behovet for å lytte til den endelige fremføringen.
En stemme kan angis gjennom en tekstbeskrivelse, et autorisert referanseopptak eller begge deler. Produsenten fremstiller dette som stemmeutforming uten å trene en separat modell for hver taler. Beskriv stabile stemmekjennetegn separat fra følelsen i den aktuelle replikken. En tilbakevendende karakter kan trenge en rolig introduksjon og en presserende respons, samtidig som stemmen er gjenkjennelig. Som praktisk forberedelse bør du velge en tydelig referanse der den tiltenkte stemmen er lett å høre, og angi hva som skal videreføres i den nye fremføringen. Hold referansen og karakterbeskrivelsen konsekvent når du klargjør beslektede scener.
Utgaven dokumenterer generering på mer enn 20 språk, inkludert kinesisk, engelsk, japansk, koreansk, spansk, indonesisk, tysk, fransk, thai og vietnamesisk. Den beskriver tilpasning av en gjenkjennelig karakterstemme til rytmen og uttrykket i ulike språk. Oppgi dialogen på det endelige språket, og gjennomgå navn, trykk, pauser og følelsestone med en lytter som forstår språket. For flerspråklige versjoner bør du holde karakterens rolle og følelsesmessige hensikt stabil, samtidig som hvert manus får nok plass til naturlige formuleringer. Klargjør oversettelsen som del av manusarbeidet fremfor å anta at en lydscenebestilling dekker alle lokaliseringsvalg.
Seed Audio 1.0 kan generere inntil to minutter i én omgang og støtter fortsettelse, ifølge produsentens utgivelsesbeskrivelse. En lengre historie har nytte av scenegrenser og en gjenbrukbar karakterbeskrivelse. Ved hver fortsettelse bør du lytte etter endringer i stemmen, bakgrunnens lydkarakter og tempoet, samt ordene som knytter delene sammen. Behandle den returnerte lyden som et produkt som skal lyttes til: undersøk den faktiske filinformasjonen når du klargjør avspilling eller importerer den i et redigeringsprogram, og behold manuset og scenebestillingen sammen med lyden for revisjon. En sammenføyd produksjon bør kontrolleres som en sammenhengende scene, ikke bare som separate klipp.
Produsenten beskriver et samlet rammeverk der kreativ hensikt på språknivå styrer en diffusjonsbasert akustisk generator. Den praktiske betydningen for en bestilling er at stemme og miljø kan vurderes sammen. Fokuser på de få forholdene som definerer scenen: om en replikk ligger i forgrunnen, om en effekt avbryter den, og hvordan atmosfæren støtter det følelsesmessige øyeblikket. Å legge til mange urelaterte lydsignaler gjør det vanskeligere å identifisere hvilken del av et resultat som trenger revisjon. Endre regien for det aktuelle partiet når et lydsignal konkurrerer med dialogen eller fremføringen bommer på ønsket tone.
Stemmekontinuitet i langt, komplekst materiale og finere timing på tvers av lydelementer er fortsatt utviklingsområder som er identifisert i utgivelsesbeskrivelsen. Hold produksjonsgjennomgangen konkret: nøyaktige ord, taleridentitet, språk, innsatser, forståelighet og konsistens på tvers av forlengelser. Modellens nyttige utdata er den hørbare scenen eller talefremføringen. Separate beslutninger om klipp, undertekster og leveringsformat kan tas ut fra det faktiske resultatet og kravene til målproduksjonen.
", "aboutText": "ByteDance Seed Audio 1.0 er en lydskapingsmodell organisert rundt en lydscene. Tale, effekter og bakgrunnslyd kan utformes sammen gjennom en tekstbestilling. Dette gjør den nyttig for en fortalt historie, en hendelse i et spill, en kort dramatisk utveksling eller en scene som følger en redigert video. Ved arbeid med bare stemme bør du beskrive taleren og fremføringen; for en fyldigere scene bør du også beskrive det akustiske miljøet og forholdet mellom dialogen og lydene rundt.\n\nKlargjør bestillingen i den rekkefølgen lytteren skal oppleve scenen. Identifiser karakterene, den tiltenkte følelsestilstanden deres og ordene de skal si. Beskriv deretter rommet, de viktige lydsignalene og hvordan øyeblikket utvikler seg. En produksjonsbestilling bør skille den nøyaktige dialogen fra scenebeskrivelsen, slik at resultatet kan kontrolleres mot begge. Angi hvilke elementer som er avgjørende for forståelsen, og hvilke som skal ligge i bakgrunnen. Et stille rom, en travel stasjon og en åpen gårdsplass krever ulik lyddesign, selv når replikken er identisk.\n\nEt eget eksempel er en spillkarakter som beroliger en følgesvenn i en kort scene i ly: en behersket stemme sier «Vi kan vente her», med dempet regnlyd og ett fottrinn som nærmer seg etter replikken. Den nyttige lyttekontrollen er om ordene fortsatt er forståelige, stemmen formidler beroligelse og lydsignalet kommer på et fornuftig tidspunkt i scenen. En annen bestilling kan be om en tydelig forteller som introduserer et produkt uten omgivelseslyd. Dette er illustrerende måter å angi hensikt på, fremfor registreringer av generert lyd eller løfter om en ferdig miks.\n\nProdusenten dokumenterer timingkontroll i instruksjonen for karakterdialog i intervaller på 100 ms. Bruk denne kontrollen til å beskrive når en replikk skal begynne i en manussekvens, eller til å planlegge tale mot en eksisterende redigert sekvens. Hold dialogtiming atskilt fra plasseringen av effekter og bakgrunnslyd: utgaven oppgir karakterdialog som hovedfokus for timingkontrollen. Kontroller de faktiske startene, pausene og overlappingene mot den tiltenkte scenen. Et timingintervall beskriver modellens kontrolloppløsning og fjerner ikke behovet for å lytte til den endelige fremføringen.\n\nEn stemme kan angis gjennom en tekstbeskrivelse, et autorisert referanseopptak eller begge deler. Produsenten fremstiller dette som stemmeutforming uten å trene en separat modell for hver taler. Beskriv stabile stemmekjennetegn separat fra følelsen i den aktuelle replikken. En tilbakevendende karakter kan trenge en rolig introduksjon og en presserende respons, samtidig som stemmen er gjenkjennelig. Som praktisk forberedelse bør du velge en tydelig referanse der den tiltenkte stemmen er lett å høre, og angi hva som skal videreføres i den nye fremføringen. Hold referansen og karakterbeskrivelsen konsekvent når du klargjør beslektede scener.\n\nUtgaven dokumenterer generering på mer enn 20 språk, inkludert kinesisk, engelsk, japansk, koreansk, spansk, indonesisk, tysk, fransk, thai og vietnamesisk. Den beskriver tilpasning av en gjenkjennelig karakterstemme til rytmen og uttrykket i ulike språk. Oppgi dialogen på det endelige språket, og gjennomgå navn, trykk, pauser og følelsestone med en lytter som forstår språket. For flerspråklige versjoner bør du holde karakterens rolle og følelsesmessige hensikt stabil, samtidig som hvert manus får nok plass til naturlige formuleringer. Klargjør oversettelsen som del av manusarbeidet fremfor å anta at en lydscenebestilling dekker alle lokaliseringsvalg.\n\nSeed Audio 1.0 kan generere inntil to minutter i én omgang og støtter fortsettelse, ifølge produsentens utgivelsesbeskrivelse. En lengre historie har nytte av scenegrenser og en gjenbrukbar karakterbeskrivelse. Ved hver fortsettelse bør du lytte etter endringer i stemmen, bakgrunnens lydkarakter og tempoet, samt ordene som knytter delene sammen. Behandle den returnerte lyden som et produkt som skal lyttes til: undersøk den faktiske filinformasjonen når du klargjør avspilling eller importerer den i et redigeringsprogram, og behold manuset og scenebestillingen sammen med lyden for revisjon. En sammenføyd produksjon bør kontrolleres som en sammenhengende scene, ikke bare som separate klipp.\n\nProdusenten beskriver et samlet rammeverk der kreativ hensikt på språknivå styrer en diffusjonsbasert akustisk generator. Den praktiske betydningen for en bestilling er at stemme og miljø kan vurderes sammen. Fokuser på de få forholdene som definerer scenen: om en replikk ligger i forgrunnen, om en effekt avbryter den, og hvordan atmosfæren støtter det følelsesmessige øyeblikket. Å legge til mange urelaterte lydsignaler gjør det vanskeligere å identifisere hvilken del av et resultat som trenger revisjon. Endre regien for det aktuelle partiet når et lydsignal konkurrerer med dialogen eller fremføringen bommer på ønsket tone.\n\nStemmekontinuitet i langt, komplekst materiale og finere timing på tvers av lydelementer er fortsatt utviklingsområder som er identifisert i utgivelsesbeskrivelsen. Hold produksjonsgjennomgangen konkret: nøyaktige ord, taleridentitet, språk, innsatser, forståelighet og konsistens på tvers av forlengelser. Modellens nyttige utdata er den hørbare scenen eller talefremføringen. Separate beslutninger om klipp, undertekster og leveringsformat kan tas ut fra det faktiske resultatet og kravene til målproduksjonen.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "f38aa577b59d44a2e025a3edc9c2c7484623af7965627af560fe41ae69b9f0bf", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nb", "methods": [ { "html": "bytedance-seed/seed-audio-1-0ByteDance Seed Audio 1.0 genererer talefremføringer og lydscener fra en kreativ bestilling. Den samordner stemmer, effekter og bakgrunnslyd, støtter dialogtiming i intervaller på 100 ms og dekker mer enn 20 språk. Produsenten beskriver inntil to minutter per generering med støtte for fortsettelse.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
ByteDance Seed Audio 1.0 er en lydskapingsmodell organisert rundt en lydscene. Tale, effekter og bakgrunnslyd kan utformes sammen gjennom en tekstbestilling. Dette gjør den nyttig for en fortalt historie, en hendelse i et spill, en kort dramatisk utveksling eller en scene som følger en redigert video. Ved arbeid med bare stemme bør du beskrive taleren og fremføringen; for en fyldigere scene bør du også beskrive det akustiske miljøet og forholdet mellom dialogen og lydene rundt.
Klargjør bestillingen i den rekkefølgen lytteren skal oppleve scenen. Identifiser karakterene, den tiltenkte følelsestilstanden deres og ordene de skal si. Beskriv deretter rommet, de viktige lydsignalene og hvordan øyeblikket utvikler seg. En produksjonsbestilling bør skille den nøyaktige dialogen fra scenebeskrivelsen, slik at resultatet kan kontrolleres mot begge. Angi hvilke elementer som er avgjørende for forståelsen, og hvilke som skal ligge i bakgrunnen. Et stille rom, en travel stasjon og en åpen gårdsplass krever ulik lyddesign, selv når replikken er identisk.
Et eget eksempel er en spillkarakter som beroliger en følgesvenn i en kort scene i ly: en behersket stemme sier «Vi kan vente her», med dempet regnlyd og ett fottrinn som nærmer seg etter replikken. Den nyttige lyttekontrollen er om ordene fortsatt er forståelige, stemmen formidler beroligelse og lydsignalet kommer på et fornuftig tidspunkt i scenen. En annen bestilling kan be om en tydelig forteller som introduserer et produkt uten omgivelseslyd. Dette er illustrerende måter å angi hensikt på, fremfor registreringer av generert lyd eller løfter om en ferdig miks.
Produsenten dokumenterer timingkontroll i instruksjonen for karakterdialog i intervaller på 100 ms. Bruk denne kontrollen til å beskrive når en replikk skal begynne i en manussekvens, eller til å planlegge tale mot en eksisterende redigert sekvens. Hold dialogtiming atskilt fra plasseringen av effekter og bakgrunnslyd: utgaven oppgir karakterdialog som hovedfokus for timingkontrollen. Kontroller de faktiske startene, pausene og overlappingene mot den tiltenkte scenen. Et timingintervall beskriver modellens kontrolloppløsning og fjerner ikke behovet for å lytte til den endelige fremføringen.
En stemme kan angis gjennom en tekstbeskrivelse, et autorisert referanseopptak eller begge deler. Produsenten fremstiller dette som stemmeutforming uten å trene en separat modell for hver taler. Beskriv stabile stemmekjennetegn separat fra følelsen i den aktuelle replikken. En tilbakevendende karakter kan trenge en rolig introduksjon og en presserende respons, samtidig som stemmen er gjenkjennelig. Som praktisk forberedelse bør du velge en tydelig referanse der den tiltenkte stemmen er lett å høre, og angi hva som skal videreføres i den nye fremføringen. Hold referansen og karakterbeskrivelsen konsekvent når du klargjør beslektede scener.
Utgaven dokumenterer generering på mer enn 20 språk, inkludert kinesisk, engelsk, japansk, koreansk, spansk, indonesisk, tysk, fransk, thai og vietnamesisk. Den beskriver tilpasning av en gjenkjennelig karakterstemme til rytmen og uttrykket i ulike språk. Oppgi dialogen på det endelige språket, og gjennomgå navn, trykk, pauser og følelsestone med en lytter som forstår språket. For flerspråklige versjoner bør du holde karakterens rolle og følelsesmessige hensikt stabil, samtidig som hvert manus får nok plass til naturlige formuleringer. Klargjør oversettelsen som del av manusarbeidet fremfor å anta at en lydscenebestilling dekker alle lokaliseringsvalg.
Seed Audio 1.0 kan generere inntil to minutter i én omgang og støtter fortsettelse, ifølge produsentens utgivelsesbeskrivelse. En lengre historie har nytte av scenegrenser og en gjenbrukbar karakterbeskrivelse. Ved hver fortsettelse bør du lytte etter endringer i stemmen, bakgrunnens lydkarakter og tempoet, samt ordene som knytter delene sammen. Behandle den returnerte lyden som et produkt som skal lyttes til: undersøk den faktiske filinformasjonen når du klargjør avspilling eller importerer den i et redigeringsprogram, og behold manuset og scenebestillingen sammen med lyden for revisjon. En sammenføyd produksjon bør kontrolleres som en sammenhengende scene, ikke bare som separate klipp.
Produsenten beskriver et samlet rammeverk der kreativ hensikt på språknivå styrer en diffusjonsbasert akustisk generator. Den praktiske betydningen for en bestilling er at stemme og miljø kan vurderes sammen. Fokuser på de få forholdene som definerer scenen: om en replikk ligger i forgrunnen, om en effekt avbryter den, og hvordan atmosfæren støtter det følelsesmessige øyeblikket. Å legge til mange urelaterte lydsignaler gjør det vanskeligere å identifisere hvilken del av et resultat som trenger revisjon. Endre regien for det aktuelle partiet når et lydsignal konkurrerer med dialogen eller fremføringen bommer på ønsket tone.
Stemmekontinuitet i langt, komplekst materiale og finere timing på tvers av lydelementer er fortsatt utviklingsområder som er identifisert i utgivelsesbeskrivelsen. Hold produksjonsgjennomgangen konkret: nøyaktige ord, taleridentitet, språk, innsatser, forståelighet og konsistens på tvers av forlengelser. Modellens nyttige utdata er den hørbare scenen eller talefremføringen. Separate beslutninger om klipp, undertekster og leveringsformat kan tas ut fra det faktiske resultatet og kravene til målproduksjonen.
POST /v1/audio/speechtextaudio| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser bytedance-seed/seed-audio-1-0 | Standard— |
Feltinput | Typestring | KravPåkrevd | Verdier & grenser Minste lengde: 1 | Standard— |
Feltvoice | Typestring | KravValgfritt | Verdier & grenser Minste lengde: 1 | Standard— |
Feltresponse_format | Typestring | KravValgfritt | Verdier & grenser mp3, pcm | Standardpcm |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser | Standard— |
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, input |
Parametermaterial_types | Avtaletext |
Livssyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · faktisk returnert task_id eller oppføring i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Faktureringsenhet | Kostnad |
|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Faktureringsenhet— | Kostnad Inndata · Inngående tokener — / 1K tokener Utdata · Utgående tokener — / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| Konfigurasjonlydsekund i utdata | Prisplan— | Faktureringsenhetper sekund utdatalyd | Kostnad Utdata · lydsekund i utdata $0.005 per sekund utdatalyd |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"\nexport AILOOT_INPUT_TEXT\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nrequest={'model': 'bytedance-seed/seed-audio-1-0', 'input': '${ACTUAL_INPUT_TEXT}'}\nrequest['input']=os.environ['AILOOT_INPUT_TEXT']\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\nFullstendig binærlyd eller opprinnelig audio_url-svar, svarhoder og hver ressurs du eier.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\nBehold alle fullstendige returnerte svar, filer og innholdsdeler.
Bevar hele svaret og svarhodene, alle faktiske utdata, de opprinnelige returnerte identifikatorene og alle bruksfeltene. Hent den opprinnelige operasjonen igjen uten å sende opprettelsesforespørselen på nytt.
Bevar returnert X-Client-Request-ID for avstemming. Les bare faktisk returnerte task_id/asset_id-verdier eller egne oppføringer i mediebiblioteket; bygg aldri en oppgave-URL fra operasjons-ID-en, og send aldri opprettelsesforespørselen på nytt.
Ailoot Ultra bytedance-seed/seed-audio-1-0
Bruk metodestiene som vises ovenfor.