SeedAudio 1.5

什么是 SeedAudio 1.5？

SeedAudio 1.5（也写作“seed audio 1.5”）是字节跳动 Seed 宣布的音频生成模型，在本网站上被介绍为其“用于完整场景的下一代音频模型”以及 AI 音频生成器。它旨在一次性生成对话、音乐、环境音和音效，并将这些元素作为独立的分轨返回。该模型尚未可用：网站在模型菜单中将其标记为“即将推出”，而目前网站上运行的生成器是 Seed Audio 1.0。根据网站上展示的已发布规格，SeedAudio 1.5 将最大输出长度从两分钟提升至六分钟，并将支持的音频参考数量从三个提升至六个。

SeedAudio 1.5 的工作原理

生成以提示词为先，并可选控制项和模板。公布了四种输入模式：文本（T2A）、文本加音频（TA2A）、文本加视频（TV2A）以及文本加音频加视频（TAV2A）。网站指出，文本加视频和文本加音频加视频模式支持围绕现有素材进行配音和音效设计，并且模型使用参考引导的声音和时间戳控制。工作区提示词字段最多接受 2,048 个字符，旁边还有提示词优化器和按格式组织的即用型场景公式。每个公式都是一个书面场景描述，涵盖角色声音、环境底音、拟音动作和音乐提示；点击卡片可将其加载到工作区。

主要功能

• 分层输出： 对话、环境音、音效/拟音和音乐，以四条分轨形式提供。
• 长度： 1.5 发布后每次生成最长可达六分钟，而 Seed Audio 1.0 为两分钟。
• 参考： 最多六个音频参考，而之前为三个。
• 语言： 30 种语言及地区变体。
• 输入模式： 公布了四种模式，涵盖文本、音频和视频。
• 语音和配音： 参考引导的声音和视频感知配音。

定价

定价页面列出了两个付费层级和一个免费选项，有月付/年付切换，年付标注为“免费 2 个月”。

• 免费 — $0： 10 个免费积分，每次生成最长约 8 秒，每次生成最多 2 分钟音频，API 访问，优先支持。还提供每日签到积分。
• Pro — 每月 $19.99，或按年付费每月 $16.66（标注节省 $39.98）： 每年 30,000 积分，总计最多约 400 分钟音频，包含免费版所有内容，参考语音上传，优先支持，每次生成最多 2 分钟，以及共享积分下的 SeedAudio 1.5 早鸟访问。
• Max — 每月 $49.99，或按年付费每月 $41.66（标注节省 $99.98）： 每年 90,000 积分，总计最多约 1,200 分钟音频，包含 Pro 所有内容，更大的年度生产缓冲，以及适合团队/代理的使用。

页面说明计划价格不变，积分现在可用于 Seed Audio 1.0 生成器，并且一个共享余额同时覆盖 Web 应用和 API。限时早鸟优惠显示有倒计时；网站表示现在下单可锁定早鸟价格。

常见用例

据网站介绍，SeedAudio 1.5 面向视频配音、本地化广告、游戏场景、播客以及较长的旁白，这些场景中对话、环境音、效果和音乐需要与场景对齐。示例场景公式涵盖体育场体育解说、雨天公寓广播剧、旅行播客和普通话跑车广告。

限制

• SeedAudio 1.5 尚未可用；本网站上的生成器仍运行 Seed Audio 1.0，六分钟、六个参考和四种输入模式的数字描述的是已宣布的模型。
• 当前限制不同：免费生成仍约为 8 秒，付费的 Seed Audio 1.0 生成仍为 2 分钟。
• 在当前 Seed Audio 1.0 生成器上，大多数失败来自输入长度或内容政策：参考音频超过 30 秒、提示词包含性、露骨、暴力或血腥内容，或提示词提及特定真实人物或受保护角色。
• 商业使用取决于用于生成音频的访问渠道的条款；在用于广告、游戏、播客或付费媒体之前，应检查许可证、内容限制和输出权利。
• Seed Audio 1.0 接受文本、最多三个音频参考或一张图像——而非 1.5 所描述的四种输入模式。

总结

SeedAudio 1.5 是字节跳动 Seed 即将推出的音频模型，用于场景级生成，可一次性结合对话、环境音、拟音和音乐并进行分轨分离，支持四种输入模式、最长六分钟的输出、六个音频参考和 30 种语言。在它发布之前，本网站使用 Seed Audio 1.0 生成，并通过共享的 Web 和 API 余额销售早鸟积分，计划包括免费、Pro（每月 $19.99，或按年付费每月 $16.66）和 Max（每月 $49.99，或按年付费每月 $41.66）。