自然语音与音频
从文本 Prompt 直接生成自然语音与富含环境细节的音频。
新一代 AI 音频工作室
从文本 Prompt 生成自然语音与音频。可选预设音色,或用参考音频、参考图片引导输出,并通过 Prompt 控制情绪、环境声与对白。

正在初始化 AI 会话...
Seed Audio 1.0 是字节跳动的文本生成音频模型,可从 Prompt 生成自然语音与音频。支持预设音色、可选参考音频(最多 3 段)、可选图片引导,以及通过 Prompt 控制情绪、环境声与对白 — 当你需要比基础 TTS 更丰富的场景表达时更有优势。
从文本 Prompt 直接生成自然语音与富含环境细节的音频。
从多种预设音色中选择,快速完成标准文本转语音。
上传最多 3 段参考音频引导声音风格。使用时应留空预设音色,且不可与图片引导同时使用。
用单张参考图片引导音频氛围与质感。不可与参考音频同时使用。
通过清晰、聚焦的 Prompt 控制情绪、语气、节奏与氛围。
适用于视频、播客、广告、游戏、课程与旁白项目。
五步从场景描述到可导出的音频素材。
写清楚你想听到的内容:场景、角色、情绪、背景音乐、环境声和关键音效。
例如播客、有声书、产品广告、电影预告、游戏对白或短视频旁白。
简单 TTS 可选预设音色;需要风格引导时,可上传参考音频(最多 3 段)或参考图片 — 此时应留空预设音色,且不可同时使用两种参考。请只上传你拥有版权或授权的素材。
生成后试听,根据需要调整对白清晰度、情绪强度或音效真实感。
导出音频,用于视频、广告、播客、游戏、课程或社媒内容。
涵盖官方电影感电台广播示例,以及播客、广告、有声书、游戏、教学和电影预告等场景的 Prompt 示例。
Post-apocalyptic radio broadcast audio: an old radio studio at night, microphone static, rain hitting cracked windows, emergency lights buzzing, papers shaking from distant explosions. A tired male radio host speaks into the microphone: "If anyone can hear this, stay away from the northern bridge. The city is not safe anymore." Realistic radio voice, emotional, tense, cinematic, no music.
Create a warm podcast intro with one friendly host, soft background music, clean room tone, and a short transition sound. The host should sound confident, calm, and natural.
Generate a 20-second product ad audio scene for a premium skincare product. Include a clear female narrator, soft luxury background music, subtle bottle-opening sound, and a final brand cue.
Create a dramatic audiobook scene with two characters speaking in a rainy street at night. Add distant thunder, footsteps, emotional pauses, and low cinematic background music.
Generate fantasy game NPC dialogue in a medieval village. Include one old merchant voice, background market ambience, light crowd noise, coins, and wooden cart sounds.
Create an energetic voiceover for a 15-second TikTok-style video. Add upbeat background music, fast pacing, small whoosh transitions, and a strong ending line.
Generate a training audio scene with a narrator and a learner. The narrator explains calmly, the learner asks one question, and the background should sound like a quiet classroom.
Create a 30-second cinematic trailer audio scene for a sci-fi adventure. Include a deep narrator voice, rising orchestral music, spaceship ambience, low rumbles, and a powerful final hit.
Generate a short product demo audio for a smart kitchen appliance. Include a friendly narrator, light cooking ambience, button click sound effects, steam sounds, and cheerful background music.
Create a subtle horror ambience scene in an abandoned hotel corridor. Include quiet wind, distant door creaks, slow footsteps, low tension music, and a whisper-like narrator. Keep it suspenseful, not loud.
Generate a peaceful meditation audio with a calm narrator, slow breathing rhythm, soft nature ambience, gentle background pads, and no sudden sound effects.
从标准 TTS 到图片引导旁白 — 看看 Seed Audio 如何融入你的创作流程。

生成播客片头、节目预告、主持人口播、转场音效和短音频片段。

上传参考图片,引导 Prompt 生成时的氛围、语气或场景感。

创建 NPC 对白、菜单音效、奇幻村庄环境音、战斗音效和互动场景原型。
用预设音色或 Prompt 引导,将文稿转化为自然口播音频。
上传参考图片,引导 Prompt 生成时的氛围、语气或场景感。
在正式制作前,快速测试音色、Prompt 风格与参考输入效果。
为社媒广告和电商视频生成产品旁白、背景音乐、品牌音效和短音效。
生成播客片头、节目预告、主持人口播、转场音效和短音频片段。
用多角色声音、情绪节奏、环境声和电影感配乐构建沉浸式故事场景。
创建 NPC 对白、菜单音效、奇幻村庄环境音、战斗音效和互动场景原型。
生成课程旁白、角色对话、课堂场景和培训模拟音频。
为 TikTok、YouTube Shorts、Reels 和 AI 视频工作流生成配音、音乐、转场和音效。
传统 TTS 擅长干净的人声朗读;Seed Audio 1.0 额外支持预设音色、参考音频、图片引导,以及更丰富的 Prompt 旁白与氛围表达。
| 能力 | 传统 TTS | Seed Audio 1.0 |
|---|---|---|
| 单一人声旁白 | 支持 | 支持 |
| 预设音色选择 | 有限 | 支持 |
| 参考音频 / 图片输入 | — | 支持 |
| 多角色对白 | 有限 | 更强的 Prompt 控制 |
| 背景音乐 | — | 通过 Prompt 描述 |
| 环境声与氛围 | — | 通过 Prompt 描述 |
| 音效 | — | 通过 Prompt 描述 |
| 情绪表达 | 基础到高级 | 更强的 Prompt 控制 |
| 更丰富的音频场景 | 有限 | 常见 |
| 输入灵活性 | 仅文本 | 文本 + 参考音频或图片 |
传统 TTS 适合只需干净人声的场景;当你需要预设音色、参考引导、图片引导,或 Prompt 描述情绪、环境声、对白与场景细节时,Seed Audio 1.0 更有优势。
Seed Audio 1.0 可通过部分 AI 模型平台与 API 服务商访问。不同平台在输入方式、生成时长、价格和商业条款上可能不同。商用前请查阅服务商条款。
请只上传你拥有版权或获得授权的参考音频。不要未经同意克隆或模仿真实人物声音。
不要只写「一位女性介绍产品」,要写环境、语气、音乐、环境声和音效。
多角色对白时,清楚定义每个角色的身份、情绪和说话风格。
如温暖、电影感、悬疑、活力、平静、奢华、俏皮、纪录片或戏剧性。
包含场景、角色、音乐、环境声、音效和时长的清晰 Prompt 通常效果更好。
参考音频可帮助引导风格,但请确保你有合法使用权。
只需标准旁白时,直接选择预设音色,不必过度描述场景。
使用参考音频或参考图片时,应留空预设音色 — 这些输入模式不应组合使用。
使用干净的参考片段和可公开访问的 URL。参考音频与图片引导不可同时使用。
将文本 Prompt 转化为视频、播客、广告、游戏和叙事所需的自然语音与更丰富音频 — 预设音色、参考引导与 Prompt 场景控制一次到位。
查看 Prompt 示例