ByteDance Seed Audio 1.0 je model za ustvarjanje zvoka, organiziran okoli zvočnega prizora. Govor, učinke in ambientalne zvoke je mogoče oblikovati skupaj z besedilnim opisom. Zato je uporaben za govorjeno zgodbo, srečanje v igri, kratko dramsko izmenjavo ali prizor, ki spremlja montirani video. Pri delu samo z glasom opišite govorca in izvedbo; pri celovitejšem prizoru opišite tudi akustično okolje in razmerje med dialogom ter okoliškimi zvoki.
Opis pripravite v vrstnem redu, v katerem naj poslušalec doživi prizor. Določite like, njihovo predvideno čustveno stanje in besede, ki jih morajo izreči. Nato opišite prostor, pomembne zvočne namige in razvoj trenutka. Produkcijski opis naj loči natančni dialog od opisa prizora, da je mogoče rezultat preveriti glede na oboje. Navedite, kateri elementi so bistveni za razumevanje in kateri naj ostanejo v ozadju. Tiha soba, polna postaja in odprto dvorišče potrebujejo različno zvočno oblikovanje, tudi kadar je izgovorjena replika enaka.
Izvirni primer je lik v igri, ki med kratkim prizorom v zavetju pomirja spremljevalca: zadržan glas reče »Tukaj lahko počakava,« ob tihem deževnem ozadju in enem bližajočem se koraku po repliki. Uporabno preverjanje s poslušanjem ugotavlja, ali besede ostajajo razumljive, glas izraža pomiritev in zvočni namig prispe na smiselnem mestu v prizoru. Drugi opis bi lahko zahteval jasnega pripovedovalca, ki predstavi izdelek brez okoliškega vzdušja. To so ponazoritveni načini določanja namena, ne zapisi ustvarjenega zvoka ali obljube o dokončani zvočni mešanici.
Proizvajalec dokumentira časovni nadzor dialoga likov na ravni poziva v intervalih 100 ms. S tem določite, kdaj naj replika vstopi v scenarizirano zaporedje, ali načrtujte govorno gradivo glede na obstoječo montažo. Časovno določanje dialoga ločite od umeščanja učinkov in ambientalnih zvokov: izdaja dialog likov opredeljuje kot glavni poudarek časovnega nadzora. Dejanske začetke, premore in prekrivanja preverite glede na predvideni prizor. Časovni interval opisuje ločljivost nadzora modela in ne odpravi potrebe po poslušanju končne izvedbe.
Glas je mogoče določiti z besedilnim opisom, odobrenim referenčnim vzorcem ali obojim. Proizvajalec to predstavlja kot oblikovanje glasu brez učenja ločenega modela za vsakega govorca. Stalne značilnosti glasu opišite ločeno od čustva trenutne replike. Ponavljajoči se lik morda potrebuje miren uvod in nujen odgovor, pri čemer ostaja prepoznaven. Pri praktični pripravi izberite jasno referenco, v kateri je predvideni glas dobro slišen, in določite, kaj naj se prenese v novo izvedbo. Pri pripravi povezanih prizorov to referenco in opis lika ohranite dosledna.
Izdaja dokumentira ustvarjanje v več kot 20 jezikih, vključno s kitajščino, angleščino, japonščino, korejščino, španščino, indonezijščino, nemščino, francoščino, tajščino in vietnamščino. Opisuje prilagajanje prepoznavnega glasu lika ritmu in izražanju različnih jezikov. Predložite dialog v končnem jeziku ter njegova imena, naglase, premore in čustveni ton preverite s poslušalcem, ki ta jezik razume. Pri večjezičnih različicah ohranite vlogo in čustveni namen lika, vsakemu scenariju pa pustite dovolj prostora za naravno ubeseditev. Prevod pripravite kot del dela s scenarijem, namesto da bi predpostavili, da opis zvočnega prizora določa vse lokalizacijske odločitve.
Seed Audio 1.0 lahko po proizvajalčevi objavi v enem prehodu ustvari do dve minuti in podpira nadaljevanje. Daljši zgodbi koristijo meje med prizori in opis lika, ki ga je mogoče ponovno uporabiti. Pri vsakem nadaljevanju poslušajte spremembe glasu, teksture ozadja in tempa ter besede, ki povezujejo razdelke. Vrnjeni zvok obravnavajte kot zvočno gradivo za poslušanje: pri pripravi predvajanja ali uvozu v urejevalnik preverite dejanske podatke datoteke ter ob njej ohranite scenarij in opis prizora za predelavo. Združeno produkcijo preverite kot neprekinjen prizor, ne le kot posamezne posnetke.
Proizvajalec opisuje enoten okvir, v katerem ustvarjalni namen na jezikovni ravni usmerja akustični generator na podlagi difuzije. Praktična posledica za opis je, da lahko glas in okolje obravnavate skupaj. Osredotočite se na nekaj povezav, ki določajo prizor: ali je replika v ospredju, ali jo učinek prekine in kako vzdušje podpira čustveni trenutek. Dodajanje številnih nepovezanih namigov oteži prepoznavanje dela rezultata, ki potrebuje predelavo. Usmeritev za ta odlomek spremenite, kadar namig tekmuje z dialogom ali izvedba zgreši predvideni ton.
Doslednost glasu v dolgem, zapletenem gradivu in natančnejše časovno usklajevanje zvočnih elementov ostajata področji razvoja, opredeljeni v objavi. Produkcijski pregled naj bo konkreten: natančne besede, identiteta govorca, jezik, vstopi, razumljivost in doslednost med podaljšanji. Uporaben izhod tega modela je slišni prizor ali govorna izvedba. Ločene odločitve o montažnih rezih, podnapisih in obliki dostave je mogoče sprejeti na podlagi tega dejanskega rezultata in zahtev ciljne produkcije.
", "aboutText": "ByteDance Seed Audio 1.0 je model za ustvarjanje zvoka, organiziran okoli zvočnega prizora. Govor, učinke in ambientalne zvoke je mogoče oblikovati skupaj z besedilnim opisom. Zato je uporaben za govorjeno zgodbo, srečanje v igri, kratko dramsko izmenjavo ali prizor, ki spremlja montirani video. Pri delu samo z glasom opišite govorca in izvedbo; pri celovitejšem prizoru opišite tudi akustično okolje in razmerje med dialogom ter okoliškimi zvoki.\n\nOpis pripravite v vrstnem redu, v katerem naj poslušalec doživi prizor. Določite like, njihovo predvideno čustveno stanje in besede, ki jih morajo izreči. Nato opišite prostor, pomembne zvočne namige in razvoj trenutka. Produkcijski opis naj loči natančni dialog od opisa prizora, da je mogoče rezultat preveriti glede na oboje. Navedite, kateri elementi so bistveni za razumevanje in kateri naj ostanejo v ozadju. Tiha soba, polna postaja in odprto dvorišče potrebujejo različno zvočno oblikovanje, tudi kadar je izgovorjena replika enaka.\n\nIzvirni primer je lik v igri, ki med kratkim prizorom v zavetju pomirja spremljevalca: zadržan glas reče »Tukaj lahko počakava,« ob tihem deževnem ozadju in enem bližajočem se koraku po repliki. Uporabno preverjanje s poslušanjem ugotavlja, ali besede ostajajo razumljive, glas izraža pomiritev in zvočni namig prispe na smiselnem mestu v prizoru. Drugi opis bi lahko zahteval jasnega pripovedovalca, ki predstavi izdelek brez okoliškega vzdušja. To so ponazoritveni načini določanja namena, ne zapisi ustvarjenega zvoka ali obljube o dokončani zvočni mešanici.\n\nProizvajalec dokumentira časovni nadzor dialoga likov na ravni poziva v intervalih 100 ms. S tem določite, kdaj naj replika vstopi v scenarizirano zaporedje, ali načrtujte govorno gradivo glede na obstoječo montažo. Časovno določanje dialoga ločite od umeščanja učinkov in ambientalnih zvokov: izdaja dialog likov opredeljuje kot glavni poudarek časovnega nadzora. Dejanske začetke, premore in prekrivanja preverite glede na predvideni prizor. Časovni interval opisuje ločljivost nadzora modela in ne odpravi potrebe po poslušanju končne izvedbe.\n\nGlas je mogoče določiti z besedilnim opisom, odobrenim referenčnim vzorcem ali obojim. Proizvajalec to predstavlja kot oblikovanje glasu brez učenja ločenega modela za vsakega govorca. Stalne značilnosti glasu opišite ločeno od čustva trenutne replike. Ponavljajoči se lik morda potrebuje miren uvod in nujen odgovor, pri čemer ostaja prepoznaven. Pri praktični pripravi izberite jasno referenco, v kateri je predvideni glas dobro slišen, in določite, kaj naj se prenese v novo izvedbo. Pri pripravi povezanih prizorov to referenco in opis lika ohranite dosledna.\n\nIzdaja dokumentira ustvarjanje v več kot 20 jezikih, vključno s kitajščino, angleščino, japonščino, korejščino, španščino, indonezijščino, nemščino, francoščino, tajščino in vietnamščino. Opisuje prilagajanje prepoznavnega glasu lika ritmu in izražanju različnih jezikov. Predložite dialog v končnem jeziku ter njegova imena, naglase, premore in čustveni ton preverite s poslušalcem, ki ta jezik razume. Pri večjezičnih različicah ohranite vlogo in čustveni namen lika, vsakemu scenariju pa pustite dovolj prostora za naravno ubeseditev. Prevod pripravite kot del dela s scenarijem, namesto da bi predpostavili, da opis zvočnega prizora določa vse lokalizacijske odločitve.\n\nSeed Audio 1.0 lahko po proizvajalčevi objavi v enem prehodu ustvari do dve minuti in podpira nadaljevanje. Daljši zgodbi koristijo meje med prizori in opis lika, ki ga je mogoče ponovno uporabiti. Pri vsakem nadaljevanju poslušajte spremembe glasu, teksture ozadja in tempa ter besede, ki povezujejo razdelke. Vrnjeni zvok obravnavajte kot zvočno gradivo za poslušanje: pri pripravi predvajanja ali uvozu v urejevalnik preverite dejanske podatke datoteke ter ob njej ohranite scenarij in opis prizora za predelavo. Združeno produkcijo preverite kot neprekinjen prizor, ne le kot posamezne posnetke.\n\nProizvajalec opisuje enoten okvir, v katerem ustvarjalni namen na jezikovni ravni usmerja akustični generator na podlagi difuzije. Praktična posledica za opis je, da lahko glas in okolje obravnavate skupaj. Osredotočite se na nekaj povezav, ki določajo prizor: ali je replika v ospredju, ali jo učinek prekine in kako vzdušje podpira čustveni trenutek. Dodajanje številnih nepovezanih namigov oteži prepoznavanje dela rezultata, ki potrebuje predelavo. Usmeritev za ta odlomek spremenite, kadar namig tekmuje z dialogom ali izvedba zgreši predvideni ton.\n\nDoslednost glasu v dolgem, zapletenem gradivu in natančnejše časovno usklajevanje zvočnih elementov ostajata področji razvoja, opredeljeni v objavi. Produkcijski pregled naj bo konkreten: natančne besede, identiteta govorca, jezik, vstopi, razumljivost in doslednost med podaljšanji. Uporaben izhod tega modela je slišni prizor ali govorna izvedba. Ločene odločitve o montažnih rezih, podnapisih in obliki dostave je mogoče sprejeti na podlagi tega dejanskega rezultata in zahtev ciljne produkcije.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "d68ded537e586e2fe2449879296625932b136a5d7895759714176d813b35cfe8", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sl", "methods": [ { "html": "bytedance-seed/seed-audio-1-0ByteDance Seed Audio 1.0 iz ustvarjalnega opisa ustvari govorne izvedbe in zvočne prizore. Usklajuje glasove, učinke in ambientalne zvoke, podpira časovno določanje dialoga v intervalih 100 ms ter zajema več kot 20 jezikov. Proizvajalec opisuje do dve minuti na ustvarjanje z možnostjo nadaljevanja.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
ByteDance Seed Audio 1.0 je model za ustvarjanje zvoka, organiziran okoli zvočnega prizora. Govor, učinke in ambientalne zvoke je mogoče oblikovati skupaj z besedilnim opisom. Zato je uporaben za govorjeno zgodbo, srečanje v igri, kratko dramsko izmenjavo ali prizor, ki spremlja montirani video. Pri delu samo z glasom opišite govorca in izvedbo; pri celovitejšem prizoru opišite tudi akustično okolje in razmerje med dialogom ter okoliškimi zvoki.
Opis pripravite v vrstnem redu, v katerem naj poslušalec doživi prizor. Določite like, njihovo predvideno čustveno stanje in besede, ki jih morajo izreči. Nato opišite prostor, pomembne zvočne namige in razvoj trenutka. Produkcijski opis naj loči natančni dialog od opisa prizora, da je mogoče rezultat preveriti glede na oboje. Navedite, kateri elementi so bistveni za razumevanje in kateri naj ostanejo v ozadju. Tiha soba, polna postaja in odprto dvorišče potrebujejo različno zvočno oblikovanje, tudi kadar je izgovorjena replika enaka.
Izvirni primer je lik v igri, ki med kratkim prizorom v zavetju pomirja spremljevalca: zadržan glas reče »Tukaj lahko počakava,« ob tihem deževnem ozadju in enem bližajočem se koraku po repliki. Uporabno preverjanje s poslušanjem ugotavlja, ali besede ostajajo razumljive, glas izraža pomiritev in zvočni namig prispe na smiselnem mestu v prizoru. Drugi opis bi lahko zahteval jasnega pripovedovalca, ki predstavi izdelek brez okoliškega vzdušja. To so ponazoritveni načini določanja namena, ne zapisi ustvarjenega zvoka ali obljube o dokončani zvočni mešanici.
Proizvajalec dokumentira časovni nadzor dialoga likov na ravni poziva v intervalih 100 ms. S tem določite, kdaj naj replika vstopi v scenarizirano zaporedje, ali načrtujte govorno gradivo glede na obstoječo montažo. Časovno določanje dialoga ločite od umeščanja učinkov in ambientalnih zvokov: izdaja dialog likov opredeljuje kot glavni poudarek časovnega nadzora. Dejanske začetke, premore in prekrivanja preverite glede na predvideni prizor. Časovni interval opisuje ločljivost nadzora modela in ne odpravi potrebe po poslušanju končne izvedbe.
Glas je mogoče določiti z besedilnim opisom, odobrenim referenčnim vzorcem ali obojim. Proizvajalec to predstavlja kot oblikovanje glasu brez učenja ločenega modela za vsakega govorca. Stalne značilnosti glasu opišite ločeno od čustva trenutne replike. Ponavljajoči se lik morda potrebuje miren uvod in nujen odgovor, pri čemer ostaja prepoznaven. Pri praktični pripravi izberite jasno referenco, v kateri je predvideni glas dobro slišen, in določite, kaj naj se prenese v novo izvedbo. Pri pripravi povezanih prizorov to referenco in opis lika ohranite dosledna.
Izdaja dokumentira ustvarjanje v več kot 20 jezikih, vključno s kitajščino, angleščino, japonščino, korejščino, španščino, indonezijščino, nemščino, francoščino, tajščino in vietnamščino. Opisuje prilagajanje prepoznavnega glasu lika ritmu in izražanju različnih jezikov. Predložite dialog v končnem jeziku ter njegova imena, naglase, premore in čustveni ton preverite s poslušalcem, ki ta jezik razume. Pri večjezičnih različicah ohranite vlogo in čustveni namen lika, vsakemu scenariju pa pustite dovolj prostora za naravno ubeseditev. Prevod pripravite kot del dela s scenarijem, namesto da bi predpostavili, da opis zvočnega prizora določa vse lokalizacijske odločitve.
Seed Audio 1.0 lahko po proizvajalčevi objavi v enem prehodu ustvari do dve minuti in podpira nadaljevanje. Daljši zgodbi koristijo meje med prizori in opis lika, ki ga je mogoče ponovno uporabiti. Pri vsakem nadaljevanju poslušajte spremembe glasu, teksture ozadja in tempa ter besede, ki povezujejo razdelke. Vrnjeni zvok obravnavajte kot zvočno gradivo za poslušanje: pri pripravi predvajanja ali uvozu v urejevalnik preverite dejanske podatke datoteke ter ob njej ohranite scenarij in opis prizora za predelavo. Združeno produkcijo preverite kot neprekinjen prizor, ne le kot posamezne posnetke.
Proizvajalec opisuje enoten okvir, v katerem ustvarjalni namen na jezikovni ravni usmerja akustični generator na podlagi difuzije. Praktična posledica za opis je, da lahko glas in okolje obravnavate skupaj. Osredotočite se na nekaj povezav, ki določajo prizor: ali je replika v ospredju, ali jo učinek prekine in kako vzdušje podpira čustveni trenutek. Dodajanje številnih nepovezanih namigov oteži prepoznavanje dela rezultata, ki potrebuje predelavo. Usmeritev za ta odlomek spremenite, kadar namig tekmuje z dialogom ali izvedba zgreši predvideni ton.
Doslednost glasu v dolgem, zapletenem gradivu in natančnejše časovno usklajevanje zvočnih elementov ostajata področji razvoja, opredeljeni v objavi. Produkcijski pregled naj bo konkreten: natančne besede, identiteta govorca, jezik, vstopi, razumljivost in doslednost med podaljšanji. Uporaben izhod tega modela je slišni prizor ali govorna izvedba. Ločene odločitve o montažnih rezih, podnapisih in obliki dostave je mogoče sprejeti na podlagi tega dejanskega rezultata in zahtev ciljne produkcije.
POST /v1/audio/speechtextaudio| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve bytedance-seed/seed-audio-1-0 | Privzeto— |
Poljeinput | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Najmanjša dolžina: 1 | Privzeto— |
Poljevoice | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Najmanjša dolžina: 1 | Privzeto— |
Poljeresponse_format | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve mp3, pcm | Privzetopcm |
Poljeprovider | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, input |
Parametermaterial_types | Specifikacijatext |
Življenjski cikel: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · Dejansko vrnjeni task_id ali zapis v medijski knjižnici
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.
| Nastavitev | Cenovna lestvica | Obračunska enota | Strošek |
|---|---|---|---|
| NastavitevOsnovne cene žetonov | Cenovna lestvicaOsnovna cena | Obračunska enota— | Strošek Vhod · Vhodni žetoni — / 1K žetonov Izhod · Izhodni žetoni — / 1K žetonov Vhod · Branje predpomnilnika — / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
| Nastavitevsekunda izhodnega zvoka | Cenovna lestvica— | Obračunska enotana sekundo izhodnega zvoka | Strošek Izhod · sekunda izhodnega zvoka $0.005 na sekundo izhodnega zvoka |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
set -eu\n: "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\nCeloten binarni zvok ali izvirni odgovor audio_url, glave in vsako sredstvo v vaši lasti.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${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.\nShranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Shranite celoten odgovor in glave, vse dejanske izhode, izvirne vrnjene identifikatorje in vsa polja s podatki o porabi. Pridobite podatke izvirne operacije brez ponovnega pošiljanja zahteve za ustvarjanje.
Shranite vrnjeni X-Client-Request-ID za uskladitev evidenc. Berite samo dejansko vrnjene vrednosti task_id/asset_id ali svojo medijsko knjižnico; iz ID operacije nikoli ne sestavite URL opravila in zahteve za ustvarjanje nikoli ne pošljite znova.
Ailoot Ultra bytedance-seed/seed-audio-1-0
Uporabite zgoraj navedene poti metod.