ByteDance Seed Audio 1.0 — модель создания аудио, организованная вокруг звуковой сцены. Речь, эффекты и атмосферу можно формировать совместно через текстовое задание. Это полезно для озвученного рассказа, игровой встречи, короткого драматического диалога или сцены к смонтированному видео. Для работы только с голосом опишите говорящего и исполнение; для полноценной сцены также задайте акустическую среду и связь диалога с окружающими звуками.
Составляйте задание в том порядке, в котором слушатель должен воспринимать сцену. Обозначьте персонажей, их эмоциональное состояние и слова, которые они должны произнести. Затем опишите пространство, важные звуковые сигналы и развитие момента. Производственное задание должно отделять точный диалог от описания сцены, чтобы результат можно было проверить по обоим. Укажите, какие элементы необходимы для понимания, а какие должны оставаться на фоне. Тихая комната, многолюдный вокзал и открытый двор требуют разного звукового оформления, даже если реплика одинакова.
Авторский пример — игровой персонаж, успокаивающий спутника в короткой сцене в укрытии: сдержанный голос говорит «Мы можем подождать здесь», на тихом фоне дождя, с одним приближающимся шагом после реплики. Полезная проверка прослушиванием устанавливает, понятны ли слова, передаёт ли голос успокоение и появляется ли звуковой сигнал в уместный момент сцены. Другое задание может запросить чёткого рассказчика, представляющего продукт без окружающей атмосферы. Это примеры способов выразить замысел, а не записи сгенерированного аудио или обещания готового микса.
Разработчик документирует управление таймингом диалогов персонажей через промпт с шагом 100 мс. Используйте его для задания момента вступления реплики в сценарии или планирования речи под существующий монтаж. Отделяйте тайминг диалогов от размещения эффектов и атмосферы: выпуск называет диалог персонажей основной областью управления временем. Проверяйте реальные начала, паузы и наложения по замыслу сцены. Интервал описывает гранулярность управления модели и не отменяет прослушивание итогового исполнения.
Голос можно задать текстовым описанием, разрешённым референсным образцом или обоими способами. Производитель представляет это как формирование голоса без обучения отдельной модели для каждого говорящего. Описывайте устойчивые характеристики голоса отдельно от эмоции текущей реплики. Повторяющемуся персонажу могут понадобиться спокойное вступление и срочный ответ с сохранением узнаваемости. На практике выбирайте чистый референс, где нужный голос хорошо слышен, и указывайте, что должно перейти в новое исполнение. Сохраняйте согласованность референса и задания персонажа при подготовке связанных сцен.
Выпуск документирует генерацию более чем на 20 языках, включая китайский, английский, японский, корейский, испанский, индонезийский, немецкий, французский, тайский и вьетнамский. Описывается адаптация узнаваемого голоса персонажа к ритму и выразительности разных языков. Предоставляйте диалог на конечном языке и проверяйте имена, ударения, паузы и эмоциональный тон со слушателем, понимающим этот язык. В многоязычных версиях сохраняйте роль персонажа и эмоциональный замысел, оставляя каждому сценарию место для естественных фраз. Готовьте перевод на этапе работы над сценарием, не предполагая, что задание звуковой сцены определяет все решения локализации.
По описанию выпуска разработчика Seed Audio 1.0 может генерировать до двух минут за один проход и поддерживает продолжение. Длинному рассказу помогают границы сцен и повторно используемое задание персонажа. При каждом продолжении слушайте изменения голоса, фактуры фона и темпа, а также слова, связывающие части. Рассматривайте возвращённое аудио как материал для прослушивания: проверяйте фактические сведения о файле при подготовке воспроизведения или импорте в редактор и сохраняйте сценарий и задание сцены рядом с ним для доработки. Собранную работу нужно проверить как непрерывную сцену, а не только как отдельные клипы.
Производитель описывает единую систему, где творческий замысел на языковом уровне направляет акустический генератор на основе диффузии. Практический вывод для задания — голос и окружение можно продумывать вместе. Сосредоточьтесь на нескольких отношениях, определяющих сцену: находится ли реплика на переднем плане, прерывает ли её эффект и как атмосфера поддерживает эмоциональный момент. Много посторонних сигналов затрудняют понимание того, какую часть результата нужно доработать. Изменяйте указания для фрагмента, если эффект соперничает с диалогом или исполнение не передаёт нужный тон.
Постоянство голоса в длинных сложных материалах и более тонкий тайминг между звуковыми элементами остаются областями развития, отмеченными в выпуске. Проверяйте конкретные аспекты: точные слова, личность говорящего, язык, вступления, разборчивость и согласованность продолжений. Полезный вывод этой модели — слышимая сцена или речевое исполнение. Отдельные решения о монтажных склейках, субтитрах и формате доставки можно принимать по фактическому результату и требованиям целевой работы.
", "aboutText": "ByteDance Seed Audio 1.0 — модель создания аудио, организованная вокруг звуковой сцены. Речь, эффекты и атмосферу можно формировать совместно через текстовое задание. Это полезно для озвученного рассказа, игровой встречи, короткого драматического диалога или сцены к смонтированному видео. Для работы только с голосом опишите говорящего и исполнение; для полноценной сцены также задайте акустическую среду и связь диалога с окружающими звуками.\n\nСоставляйте задание в том порядке, в котором слушатель должен воспринимать сцену. Обозначьте персонажей, их эмоциональное состояние и слова, которые они должны произнести. Затем опишите пространство, важные звуковые сигналы и развитие момента. Производственное задание должно отделять точный диалог от описания сцены, чтобы результат можно было проверить по обоим. Укажите, какие элементы необходимы для понимания, а какие должны оставаться на фоне. Тихая комната, многолюдный вокзал и открытый двор требуют разного звукового оформления, даже если реплика одинакова.\n\nАвторский пример — игровой персонаж, успокаивающий спутника в короткой сцене в укрытии: сдержанный голос говорит «Мы можем подождать здесь», на тихом фоне дождя, с одним приближающимся шагом после реплики. Полезная проверка прослушиванием устанавливает, понятны ли слова, передаёт ли голос успокоение и появляется ли звуковой сигнал в уместный момент сцены. Другое задание может запросить чёткого рассказчика, представляющего продукт без окружающей атмосферы. Это примеры способов выразить замысел, а не записи сгенерированного аудио или обещания готового микса.\n\nРазработчик документирует управление таймингом диалогов персонажей через промпт с шагом 100 мс. Используйте его для задания момента вступления реплики в сценарии или планирования речи под существующий монтаж. Отделяйте тайминг диалогов от размещения эффектов и атмосферы: выпуск называет диалог персонажей основной областью управления временем. Проверяйте реальные начала, паузы и наложения по замыслу сцены. Интервал описывает гранулярность управления модели и не отменяет прослушивание итогового исполнения.\n\nГолос можно задать текстовым описанием, разрешённым референсным образцом или обоими способами. Производитель представляет это как формирование голоса без обучения отдельной модели для каждого говорящего. Описывайте устойчивые характеристики голоса отдельно от эмоции текущей реплики. Повторяющемуся персонажу могут понадобиться спокойное вступление и срочный ответ с сохранением узнаваемости. На практике выбирайте чистый референс, где нужный голос хорошо слышен, и указывайте, что должно перейти в новое исполнение. Сохраняйте согласованность референса и задания персонажа при подготовке связанных сцен.\n\nВыпуск документирует генерацию более чем на 20 языках, включая китайский, английский, японский, корейский, испанский, индонезийский, немецкий, французский, тайский и вьетнамский. Описывается адаптация узнаваемого голоса персонажа к ритму и выразительности разных языков. Предоставляйте диалог на конечном языке и проверяйте имена, ударения, паузы и эмоциональный тон со слушателем, понимающим этот язык. В многоязычных версиях сохраняйте роль персонажа и эмоциональный замысел, оставляя каждому сценарию место для естественных фраз. Готовьте перевод на этапе работы над сценарием, не предполагая, что задание звуковой сцены определяет все решения локализации.\n\nПо описанию выпуска разработчика Seed Audio 1.0 может генерировать до двух минут за один проход и поддерживает продолжение. Длинному рассказу помогают границы сцен и повторно используемое задание персонажа. При каждом продолжении слушайте изменения голоса, фактуры фона и темпа, а также слова, связывающие части. Рассматривайте возвращённое аудио как материал для прослушивания: проверяйте фактические сведения о файле при подготовке воспроизведения или импорте в редактор и сохраняйте сценарий и задание сцены рядом с ним для доработки. Собранную работу нужно проверить как непрерывную сцену, а не только как отдельные клипы.\n\nПроизводитель описывает единую систему, где творческий замысел на языковом уровне направляет акустический генератор на основе диффузии. Практический вывод для задания — голос и окружение можно продумывать вместе. Сосредоточьтесь на нескольких отношениях, определяющих сцену: находится ли реплика на переднем плане, прерывает ли её эффект и как атмосфера поддерживает эмоциональный момент. Много посторонних сигналов затрудняют понимание того, какую часть результата нужно доработать. Изменяйте указания для фрагмента, если эффект соперничает с диалогом или исполнение не передаёт нужный тон.\n\nПостоянство голоса в длинных сложных материалах и более тонкий тайминг между звуковыми элементами остаются областями развития, отмеченными в выпуске. Проверяйте конкретные аспекты: точные слова, личность говорящего, язык, вступления, разборчивость и согласованность продолжений. Полезный вывод этой модели — слышимая сцена или речевое исполнение. Отдельные решения о монтажных склейках, субтитрах и формате доставки можно принимать по фактическому результату и требованиям целевой работы.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "4f8ee2386fbc758a704dcf1b6f86c7b1822012e4a1ddb0e3c154e8be668e19b9", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ru", "methods": [ { "html": "bytedance-seed/seed-audio-1-0ByteDance Seed Audio 1.0 создаёт речевое исполнение и звуковые сцены по творческому заданию. Она согласует голоса, эффекты и атмосферу, поддерживает тайминг диалогов с шагом 100 мс и более 20 языков. Разработчик описывает генерацию до двух минут за один раз с возможностью продолжения.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
ByteDance Seed Audio 1.0 — модель создания аудио, организованная вокруг звуковой сцены. Речь, эффекты и атмосферу можно формировать совместно через текстовое задание. Это полезно для озвученного рассказа, игровой встречи, короткого драматического диалога или сцены к смонтированному видео. Для работы только с голосом опишите говорящего и исполнение; для полноценной сцены также задайте акустическую среду и связь диалога с окружающими звуками.
Составляйте задание в том порядке, в котором слушатель должен воспринимать сцену. Обозначьте персонажей, их эмоциональное состояние и слова, которые они должны произнести. Затем опишите пространство, важные звуковые сигналы и развитие момента. Производственное задание должно отделять точный диалог от описания сцены, чтобы результат можно было проверить по обоим. Укажите, какие элементы необходимы для понимания, а какие должны оставаться на фоне. Тихая комната, многолюдный вокзал и открытый двор требуют разного звукового оформления, даже если реплика одинакова.
Авторский пример — игровой персонаж, успокаивающий спутника в короткой сцене в укрытии: сдержанный голос говорит «Мы можем подождать здесь», на тихом фоне дождя, с одним приближающимся шагом после реплики. Полезная проверка прослушиванием устанавливает, понятны ли слова, передаёт ли голос успокоение и появляется ли звуковой сигнал в уместный момент сцены. Другое задание может запросить чёткого рассказчика, представляющего продукт без окружающей атмосферы. Это примеры способов выразить замысел, а не записи сгенерированного аудио или обещания готового микса.
Разработчик документирует управление таймингом диалогов персонажей через промпт с шагом 100 мс. Используйте его для задания момента вступления реплики в сценарии или планирования речи под существующий монтаж. Отделяйте тайминг диалогов от размещения эффектов и атмосферы: выпуск называет диалог персонажей основной областью управления временем. Проверяйте реальные начала, паузы и наложения по замыслу сцены. Интервал описывает гранулярность управления модели и не отменяет прослушивание итогового исполнения.
Голос можно задать текстовым описанием, разрешённым референсным образцом или обоими способами. Производитель представляет это как формирование голоса без обучения отдельной модели для каждого говорящего. Описывайте устойчивые характеристики голоса отдельно от эмоции текущей реплики. Повторяющемуся персонажу могут понадобиться спокойное вступление и срочный ответ с сохранением узнаваемости. На практике выбирайте чистый референс, где нужный голос хорошо слышен, и указывайте, что должно перейти в новое исполнение. Сохраняйте согласованность референса и задания персонажа при подготовке связанных сцен.
Выпуск документирует генерацию более чем на 20 языках, включая китайский, английский, японский, корейский, испанский, индонезийский, немецкий, французский, тайский и вьетнамский. Описывается адаптация узнаваемого голоса персонажа к ритму и выразительности разных языков. Предоставляйте диалог на конечном языке и проверяйте имена, ударения, паузы и эмоциональный тон со слушателем, понимающим этот язык. В многоязычных версиях сохраняйте роль персонажа и эмоциональный замысел, оставляя каждому сценарию место для естественных фраз. Готовьте перевод на этапе работы над сценарием, не предполагая, что задание звуковой сцены определяет все решения локализации.
По описанию выпуска разработчика Seed Audio 1.0 может генерировать до двух минут за один проход и поддерживает продолжение. Длинному рассказу помогают границы сцен и повторно используемое задание персонажа. При каждом продолжении слушайте изменения голоса, фактуры фона и темпа, а также слова, связывающие части. Рассматривайте возвращённое аудио как материал для прослушивания: проверяйте фактические сведения о файле при подготовке воспроизведения или импорте в редактор и сохраняйте сценарий и задание сцены рядом с ним для доработки. Собранную работу нужно проверить как непрерывную сцену, а не только как отдельные клипы.
Производитель описывает единую систему, где творческий замысел на языковом уровне направляет акустический генератор на основе диффузии. Практический вывод для задания — голос и окружение можно продумывать вместе. Сосредоточьтесь на нескольких отношениях, определяющих сцену: находится ли реплика на переднем плане, прерывает ли её эффект и как атмосфера поддерживает эмоциональный момент. Много посторонних сигналов затрудняют понимание того, какую часть результата нужно доработать. Изменяйте указания для фрагмента, если эффект соперничает с диалогом или исполнение не передаёт нужный тон.
Постоянство голоса в длинных сложных материалах и более тонкий тайминг между звуковыми элементами остаются областями развития, отмеченными в выпуске. Проверяйте конкретные аспекты: точные слова, личность говорящего, язык, вступления, разборчивость и согласованность продолжений. Полезный вывод этой модели — слышимая сцена или речевое исполнение. Отдельные решения о монтажных склейках, субтитрах и формате доставки можно принимать по фактическому результату и требованиям целевой работы.
POST /v1/audio/speechtextaudio| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения bytedance-seed/seed-audio-1-0 | По умолчанию— |
Полеinput | Типstring | ТребованиеОбязательно | Значения и ограничения Минимальная длина: 1 | По умолчанию— |
Полеvoice | Типstring | ТребованиеНеобязательно | Значения и ограничения Минимальная длина: 1 | По умолчанию— |
Полеresponse_format | Типstring | ТребованиеНеобязательно | Значения и ограничения mp3, pcm | По умолчаниюpcm |
Полеprovider | Типobject | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
| Параметр | Контракт |
|---|---|
Параметрcontent_type | Контрактapplication/json |
Параметрrequired | Контрактmodel, input |
Параметрmaterial_types | Контрактtext |
Жизненный цикл: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · Фактически возвращённый task_id или запись в медиатеке
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.
Сопоставьте каждую плату с указанными условиями. Для каждого набора альтернативных конфигураций используйте одну ставку.
| Конфигурация | Шкала ставок | Расчётная единица | Плата |
|---|---|---|---|
| КонфигурацияБазовые тарифы на токены | Шкала ставокБазовая ставка | Расчётная единица— | Плата Вход · Входные токены — / 1K токенов Выход · Выходные токены — / 1K токенов Вход · Чтение кэша — / 1K токенов Вход · Запись в кэш — / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
| Конфигурациясекунда выходного аудио | Шкала ставок— | Расчётная единицаза секунду выходного аудио | Плата Выход · секунда выходного аудио $0.005 за секунду выходного аудио |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
set -eu\n: "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\nПолные двоичные аудиоданные или исходный ответ audio_url, заголовки и каждый ресурс, принадлежащий Ailoot.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${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.\nСохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраняйте полный ответ и заголовки, все фактические результаты, исходные возвращённые идентификаторы и все поля использования. Восстанавливайте исходную операцию без повторной отправки запроса создания.
Сохраните возвращённый X-Client-Request-ID для сверки. Читайте только фактически возвращённые значения task_id/asset_id или собственную медиатеку; никогда не составляйте URL задачи из ID операции и никогда не отправляйте запрос создания повторно.
Ailoot Ultra bytedance-seed/seed-audio-1-0
Используйте пути методов, указанные выше.