Source: https://ailoot.ai/models/th/bytedance-seed-seed-audio-1-0/
Canonical: https://ailoot.ai/models/th/bytedance-seed-seed-audio-1-0/
Language: th

# ByteDance Seed: Seed Audio 1.0

[Markdown](https://ailoot.ai/models/th/bytedance-seed-seed-audio-1-0/index.md) · [JSON](https://ailoot.ai/models/th/bytedance-seed-seed-audio-1-0/facts.json)

## [ByteDance Seed: Seed Audio 1.0](https://ailoot.ai/models/th/bytedance-seed-seed-audio-1-0/)

ByteDance Seed Audio 1.0 สร้างการแสดงเสียงพูดและฉากเสียงจากโจทย์สร้างสรรค์ ประสานเสียงคน เอฟเฟกต์ และบรรยากาศ รองรับการกำหนดจังหวะบทสนทนาทีละ 100 ms และครอบคลุมมากกว่า 20 ภาษา ผู้สร้างระบุความยาวสูงสุดสองนาทีต่อการสร้างพร้อมการต่อเนื่อง

- [**Ailoot Ultra · เสียงพูด** `POST /v1/audio/speech` `bytedance-seed/seed-audio-1-0`](https://ailoot.ai/models/th/bytedance-seed-seed-audio-1-0/#method-0)

เกี่ยวกับโมเดล

คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก

ByteDance Seed Audio 1.0 เป็นโมเดลสร้างเสียงที่จัดงานโดยยึดฉากเสียง สามารถกำกับเสียงพูด เอฟเฟกต์ และบรรยากาศร่วมกันผ่านโจทย์ข้อความ จึงมีประโยชน์กับเรื่องเล่ามีเสียง ฉากเผชิญหน้าในเกม บทละครสั้น หรือฉากประกอบวิดีโอที่ตัดต่อแล้ว สำหรับงานเสียงพูดอย่างเดียว ให้อธิบายผู้พูดและการแสดง สำหรับฉากเต็มกว่า ให้อธิบายสภาพแวดล้อมเสียงและความสัมพันธ์ของบทสนทนากับเสียงรอบข้างด้วย

เตรียมโจทย์ตามลำดับที่ผู้ฟังควรได้ยินฉาก ระบุตัวละคร สภาพอารมณ์ที่ตั้งใจ และถ้อยคำที่ต้องพูด จากนั้นอธิบายสถานที่ เสียงสัญญาณสำคัญ และพัฒนาการของช่วงเหตุการณ์ โจทย์การผลิตควรแยกบทสนทนาตรงตัวออกจากคำอธิบายฉาก เพื่อให้ตรวจผลกับทั้งสองส่วนได้ ระบุองค์ประกอบที่จำเป็นต่อความเข้าใจและสิ่งที่ควรอยู่ฉากหลัง ห้องเงียบ สถานีแออัด และลานเปิดต้องการออกแบบเสียงต่างกัน แม้ประโยคพูดเหมือนกัน

ตัวอย่างเฉพาะคือ ตัวละครเกมปลอบเพื่อนในฉากหลบภัยสั้น ๆ: เสียงที่สำรวมพูดว่า “เรารอที่นี่ได้” พร้อมเสียงฝนเบาเป็นบรรยากาศ และเสียงก้าวเท้าใกล้เข้ามาหนึ่งครั้งหลังประโยค การฟังตรวจที่มีประโยชน์คือถ้อยคำยังฟังชัดหรือไม่ เสียงสื่อความอุ่นใจหรือไม่ และเสียงสัญญาณเข้ามาในจุดที่สมเหตุผลของฉากหรือไม่ อีกโจทย์อาจขอผู้บรรยายเสียงชัดแนะนำสินค้าโดยไม่มีบรรยากาศรอบข้าง นี่เป็นตัวอย่างวิธีระบุเจตนา ไม่ใช่ระเบียนเสียงที่สร้างแล้วหรือสัญญาเรื่องมิกซ์สำเร็จ

ผู้สร้างระบุการควบคุมเวลาบทสนทนาตัวละครในระดับพรอมต์ทีละ 100 ms ใช้เพื่ออธิบายเวลาที่ประโยคควรเริ่มในลำดับตามบท หรือวางแผนคำพูดให้เข้ากับงานตัดต่อที่มี แยกจังหวะบทสนทนาจากการวางเอฟเฟกต์และบรรยากาศ รุ่นนี้ระบุบทสนทนาตัวละครเป็นจุดเน้นหลักของการควบคุมเวลา ตรวจจุดเริ่ม ช่วงหยุด และเสียงซ้อนจริงกับฉากที่ตั้งใจ ช่วงเวลานี้อธิบายความละเอียดการควบคุมของโมเดล ไม่ได้ตัดความจำเป็นในการฟังการแสดงสุดท้าย

กำหนดเสียงได้ผ่านคำอธิบายข้อความ ตัวอย่างอ้างอิงที่ได้รับอนุญาต หรือทั้งสองอย่าง ผู้ผลิตนำเสนอเป็นการกำกับเสียงโดยไม่ฝึกโมเดลแยกสำหรับผู้พูดแต่ละคน อธิบายลักษณะเสียงที่คงที่แยกจากอารมณ์ของประโยคปัจจุบัน ตัวละครที่ปรากฏซ้ำอาจต้องมีคำแนะนำตัวสงบและคำตอบเร่งด่วนแต่ยังจำได้ว่าเป็นคนเดิม ในการเตรียมจริง ให้เลือกเสียงอ้างอิงชัดที่ได้ยินเสียงเป้าหมายง่าย และระบุสิ่งที่ต้องถ่ายทอดสู่การแสดงใหม่ รักษาเสียงอ้างอิงและโจทย์ตัวละครให้สอดคล้องเมื่อเตรียมฉากที่เกี่ยวข้อง

รุ่นนี้ระบุการสร้างในมากกว่า 20 ภาษา รวมจีน อังกฤษ ญี่ปุ่น เกาหลี สเปน อินโดนีเซีย เยอรมัน ฝรั่งเศส ไทย และเวียดนาม อธิบายการปรับเสียงตัวละครที่จำได้ให้เข้ากับจังหวะและการแสดงออกของภาษาต่าง ๆ ส่งบทสนทนาในภาษาสุดท้ายและให้ผู้ฟังที่เข้าใจภาษานั้นตรวจชื่อ การเน้นเสียง ช่วงหยุด และอารมณ์ สำหรับรุ่นหลายภาษา ให้รักษาบทบาทและเจตนาอารมณ์ของตัวละคร พร้อมเผื่อพื้นที่ให้แต่ละบทใช้ถ้อยคำเป็นธรรมชาติ เตรียมคำแปลเป็นส่วนของงานบท แทนการสมมติว่าโจทย์ฉากเสียงให้การตัดสินใจโลคัลไลซ์ครบทุกอย่าง

ตามประกาศผู้สร้าง Seed Audio 1.0 สร้างได้สูงสุดสองนาทีในรอบเดียวและรองรับการต่อเนื่อง เรื่องยาวได้ประโยชน์จากขอบเขตฉากและโจทย์ตัวละครที่ใช้ซ้ำ ในแต่ละช่วงต่อ ให้ฟังการเปลี่ยนเสียงคน ลักษณะพื้นเสียง และจังหวะ รวมทั้งคำที่เชื่อมแต่ละส่วน มองเสียงที่ส่งกลับเป็นชิ้นงานสำหรับฟัง: ตรวจข้อมูลไฟล์จริงเมื่อเตรียมเล่นหรือนำเข้าโปรแกรมตัดต่อ และเก็บบทกับโจทย์ฉากไว้คู่กันเพื่อแก้ไข งานที่ต่อรวมควรถูกตรวจเป็นฉากต่อเนื่อง ไม่ใช่เพียงคลิปแยก

ผู้ผลิตอธิบายกรอบร่วมที่เจตนาสร้างสรรค์ระดับภาษากำกับตัวสร้างเสียงแบบ diffusion ผลต่อการเขียนโจทย์คือสามารถพิจารณาเสียงพูดและสภาพแวดล้อมร่วมกัน เน้นความสัมพันธ์ไม่กี่อย่างที่กำหนดฉาก เช่น ประโยคอยู่ด้านหน้าหรือไม่ เอฟเฟกต์ขัดจังหวะหรือไม่ และบรรยากาศหนุนอารมณ์อย่างไร การเพิ่มสัญญาณเสียงที่ไม่เกี่ยวกันมากทำให้หาส่วนที่ต้องแก้ในผลได้ยากขึ้น เปลี่ยนทิศทางของช่วงนั้นเมื่อเสียงสัญญาณแข่งกับบทสนทนาหรือการแสดงไม่ตรงน้ำเสียงที่ตั้งใจ

ความต่อเนื่องของเสียงในเนื้อหายาวซับซ้อนและเวลาที่ละเอียดขึ้นระหว่างองค์ประกอบเสียงยังเป็นด้านพัฒนาที่ประกาศรุ่นระบุ ให้ตรวจการผลิตอย่างเฉพาะเจาะจง ได้แก่ ถ้อยคำตรงตัว อัตลักษณ์ผู้พูด ภาษา จุดเข้า ความชัดเจน และความสอดคล้องตลอดส่วนต่อ ผลที่ใช้ได้ของโมเดลนี้คือฉากเสียงหรือการแสดงเสียงพูดที่ได้ยินจริง สามารถตัดสินใจเรื่องจุดตัด คำบรรยาย และรูปแบบส่งมอบแยกจากผลจริงนั้นและข้อกำหนดของงานปลายทาง

**Ailoot Ultra · เสียงพูด** `POST /v1/audio/speech` `bytedance-seed/seed-audio-1-0`

[`bytedance-seed/seed-audio-1-0`](https://ailoot.ai/models/th/#m=bytedance-seed%2Fseed-audio-1-0&route=Ultra&caller=bytedance-seed%2Fseed-audio-1-0&fmt=speech)

ByteDance Seed /`bytedance-seed/seed-audio-1-0`

### เริ่มต้น

ByteDance Seed Audio 1.0 สร้างการแสดงเสียงพูดและฉากเสียงจากโจทย์สร้างสรรค์ ประสานเสียงคน เอฟเฟกต์ และบรรยากาศ รองรับการกำหนดจังหวะบทสนทนาทีละ 100 ms และครอบคลุมมากกว่า 20 ภาษา ผู้สร้างระบุความยาวสูงสุดสองนาทีต่อการสร้างพร้อมการต่อเนื่อง

อินพุตที่รองรับ

ข้อความ

ผลลัพธ์

เสียง

### ใช้งานได้ใน Ailoot · อินพุตและเมธอด

**Ailoot Ultra · เสียงพูด** `POST /v1/audio/speech`

ขาเข้า

`text`

ขาออก

`audio`

| ฟิลด์ | ประเภท | ข้อกำหนด | ค่าและข้อจำกัด | ค่าเริ่มต้น |
| --- | --- | --- | --- | --- |
| ฟิลด์`model` | ประเภท`string` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด bytedance-seed/seed-audio-1-0 | ค่าเริ่มต้น— |
| ฟิลด์`input` | ประเภท`string` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด ความยาวขั้นต่ำ: 1 | ค่าเริ่มต้น— |
| ฟิลด์`voice` | ประเภท`string` | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ความยาวขั้นต่ำ: 1 | ค่าเริ่มต้น— |
| ฟิลด์`response_format` | ประเภท`string` | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด mp3, pcm | ค่าเริ่มต้นpcm |
| ฟิลด์`provider` | ประเภท`object` | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด | ค่าเริ่มต้น— |

พารามิเตอร์และวงจรการทำงานของเมธอด

| พารามิเตอร์ | ข้อกำหนด |
| --- | --- |
| พารามิเตอร์`content_type` | ข้อกำหนดapplication/json |
| พารามิเตอร์`required` | ข้อกำหนดmodel, input |
| พารามิเตอร์`material_types` | ข้อกำหนดtext |

วงจรการทำงาน: `synchronous_result_then_owned_library`

`GET /v1/media/tasks/{task_id}` · ค่า task\_id ที่ส่งกลับมาจริง หรือระเบียนในคลังสื่อ

`GET /v1/media/assets/{asset_id}/content`

`GET /v1/media/assets`

`GET /v1/media/assets/{asset_id}`

### ราคา

ข้อมูลอัตราราคาไม่ได้เพิ่มตัวเลือกคำขอ พารามิเตอร์ที่รองรับระบุไว้สำหรับเมธอดที่เลือก

โหมดรวดเร็ว

ไม่ได้ระบุ เมื่อเลือกโหมดรวดเร็ว

โหมดยืดหยุ่น

ไม่ได้ระบุ เมื่อเลือกโหมด flex

ระดับการใช้เหตุผลสูงสุด

ไม่ได้ระบุ เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด

#### อัตราค่าบริการ Ailoot

#### ราคาตามการตั้งค่า

เทียบค่าบริการแต่ละรายการกับเงื่อนไขที่แสดง เลือกใช้อัตราเดียวสำหรับแต่ละชุดการตั้งค่าที่เป็นตัวเลือกทดแทนกัน

| การตั้งค่า | ตารางอัตราค่าบริการ | หน่วยคิดค่าบริการ | ค่าบริการ |
| --- | --- | --- | --- |
| การตั้งค่าอัตราค่าบริการโทเคนพื้นฐาน | ตารางอัตราค่าบริการอัตราพื้นฐาน | หน่วยคิดค่าบริการ— | ค่าบริการ ขาเข้า · โทเค็นอินพุต **—** / 1K โทเค็น ขาออก · โทเค็นเอาต์พุต **—** / 1K โทเค็น ขาเข้า · การอ่านแคช **—** / 1K โทเค็น ขาเข้า · การเขียนแคช **—** / 1K โทเค็น ขาเข้า · การเขียนแคช, 1 ชั่วโมง **—** / 1K โทเค็น |
| การตั้งค่าวินาทีเสียงขาออก | ตารางอัตราค่าบริการ— | หน่วยคิดค่าบริการต่อวินาทีของเสียงเอาต์พุต | ค่าบริการ ขาออก · วินาทีเสียงขาออก **$0.005** ต่อวินาทีของเสียงเอาต์พุต |

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย [วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →](https://ailoot.ai/docs/th/billing/reserve/)

### ตัวอย่างคำขอ

#### Ailoot Ultra · เสียงพูด

ใช้ข้อมูลเข้าจริงและเก็บผลลัพธ์ไว้ให้ครบถ้วน

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"
export AILOOT_INPUT_TEXT
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
request={'model': 'bytedance-seed/seed-audio-1-0', 'input': '${ACTUAL_INPUT_TEXT}'}
request['input']=os.environ['AILOOT_INPUT_TEXT']
Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.
```

### รับและบันทึกผลลัพธ์

#### Ailoot Ultra · เสียงพูด

เสียงไบนารีทั้งหมดหรือการตอบกลับ audio\_url เดิม ส่วนหัว และแอสเซ็ตทุกชิ้นที่เป็นของคุณ

- `GET /v1/media/tasks/{task_id}`
- `GET /v1/media/assets/{asset_id}/content`
- `GET /v1/media/assets`
- `GET /v1/media/assets/{asset_id}`

การอ่านเนื้อหาแบบอื่น

อ่านไฟล์สื่อที่มีอยู่และเป็นของคุณ

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json
# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.
```

##### เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน

เก็บการตอบกลับและส่วนหัวให้ครบถ้วน เก็บผลลัพธ์จริงทุกรายการ ตัวระบุที่ส่งกลับมาแต่เดิม และฟิลด์ข้อมูลการใช้งานทั้งหมด กู้คืนการดำเนินการเดิมโดยไม่ส่งคำขอสร้างซ้ำ

##### เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ

เก็บ X-Client-Request-ID ที่ส่งกลับมาไว้เพื่อกระทบยอด อ่านเฉพาะค่า task\_id/asset\_id ที่ส่งกลับมาจริง หรืออ่านจากคลังสื่อที่เป็นของตนเอง ห้ามสร้าง URL ของงานจาก ID การดำเนินการ และห้ามส่งคำขอสร้างซ้ำเด็ดขาด

### ชื่ออื่น

#### ชื่ออื่นของโมเดล

**Ailoot Ultra** [`bytedance-seed/seed-audio-1-0`](https://ailoot.ai/models/th/#m=bytedance-seed%2Fseed-audio-1-0&route=Ultra&caller=bytedance-seed%2Fseed-audio-1-0&fmt=speech)

#### ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

#### ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

[`bytedance-seed/seed-audio-1-0`](https://ailoot.ai/models/th/#m=bytedance-seed%2Fseed-audio-1-0&route=Ultra&caller=bytedance-seed%2Fseed-audio-1-0&fmt=speech)

FAQ · ByteDance Seed: Seed Audio 1.0

มีอินพุตและผลลัพธ์ใดบ้าง?

`POST /v1/audio/speech` · `bytedance-seed/seed-audio-1-0`: `text` → `audio`

คำขอใช้ฟิลด์ใดบ้าง?

`POST /v1/audio/speech` · `bytedance-seed/seed-audio-1-0`: `model`, `input`, `voice`, `response_format`, `provider`

เชื่อม Ailoot กับ Claude Code, OpenCode, Hermes หรือแอปของคุณ

## บริษัทและพอร์ตโฟลิโอโครงการของบริษัท

บริษัทและพอร์ตโฟลิโอโครงการของบริษัท: ลูกค้าหลายล้านราย; ยอดขายระดับหลายพันล้านต่อเดือน.

## ซื้อโทเคนพร้อมส่วนลด

ส่วนลดสมาชิกสำหรับงานประจำ โค้ดโปรโมชั่นลดซื้อโทเคนสูงสุด 50%

สมาชิก

เลือกแพ็กเกจมีส่วนลดสำหรับคำขอประจำ

โค้ดลดสูงสุด 50%

ใส่โค้ดขณะซื้อ ราคาคำนวณใหม่ตามโปรโมชั่นที่ใช้

รายจ่ายในประวัติ

เก็บโมเดล โทเคน และยอดสำหรับทุกคำขอ

[เลือกสมาชิก](https://ailoot.ai/docs/th/billing/subscriptions/) · [ดูราคาโมเดล](https://ailoot.ai/models/th/)

## เชื่อม API กับผลิตภัณฑ์ ที่คุณขาย

SaaS แอป และบอต ตามข้อเสนอและสัญญาอนุญาต Ailoot หากขายต่อให้ขอใบอนุญาตรีเซลเลอร์

แอปเชิงพาณิชย์

ใส่การสร้างข้อความ ภาพ วิดีโอ และเสียงในฟีเจอร์เสียเงินของบริการคุณ

ใบอนุญาตรีเซลเลอร์

ส่งคำอธิบายโครงการและรูปแบบการเข้าถึง ขอเงื่อนไขใช้และขายต่อเป็นลายลักษณ์อักษร

เอกสารบนเว็บไซต์

อ่านข้อเสนอ สัญญาอนุญาต และนโยบายประมวลผลข้อมูลก่อนเชื่อมได้

[ขอใบอนุญาตขายต่อ](mailto:support@ailoot.ai) · [ข้อเสนอและสัญญาอนุญาต](https://ailoot.ai/legal/offer?lang=th)

## Ailoot · บริษัทและพอร์ตโฟลิโอโครงการของบริษัท





Ailoot อาศัยประสบการณ์การดำเนินงานที่สั่งสม ฐานลูกค้าขนาดใหญ่ บริการที่เสถียร และการติดตาม KPI อย่างต่อเนื่อง





บริษัทและพอร์ตโฟลิโอโครงการของบริษัท: ลูกค้าหลายล้านราย; ยอดขายระดับหลายพันล้านต่อเดือน.





Ailoot นำประสบการณ์การดำเนินงานนี้มาใช้เพื่อให้เข้าถึงฟังก์ชัน AI ผ่าน API ในผลิตภัณฑ์ของลูกค้า เอเจนต์ แอปพลิเคชัน และระบบอัตโนมัติ