Seed Audio 1.5: ترجمة الفيديو ودبلجته بنفس الصوت
نموذج واحد للصوت والمؤثرات الصوتية والموسيقى، يعمل انطلاقًا من الفيديو نفسه
Seed Audio 1.5 هو نموذج الصوت الجديد من ByteDance. يأخذ الفيديو ويستمع إليه ثم يكتب له شريطًا صوتيًا جديدًا: الراوي نفسه يتحدث اليابانية، أو دبلجة تتبع الصورة، أو الصوت والموسيقى والمؤثرات مفصولة في مسارات مستقلة. استخدمناه في الوصول المبكر لترجمة فيلم رسوم متحركة مدته 9 دقائق إلى 12 لغة. نعرض هنا ما أنجزه وأين تعثّر وكيف تحصل على النتيجة نفسها. ويمكنك الترجمة إلى العربية أيضًا.
Doitong منصة مستقلة وليست تابعة لـ ByteDance.
اختبارنا: فيلم واحد، 12 لغة، الراوي نفسه
أخذنا فيلم “The Last Ordinary Day in Pompeii”، وهو فيلم تاريخي متحرك مدته 9 دقائق بتعليق صوتي إنجليزي، ومررناه عبر ترجمة الفيديو في Seed Audio 1.5 مرة لكل لغة. شغّل الفيديو وافتح الإعدادات ← المسار الصوتي للتنقل بين النسخة الإنجليزية الأصلية والترجمات الـ12.
المسارات الصوتية في هذا الفيديو: الإنجليزية (الأصلية) إضافةً إلى الروسية والألمانية والفرنسية والإسبانية (إسبانيا) والإيطالية واليابانية والكورية والهولندية والسويدية والدنماركية والنرويجية والفنلندية.
- مدة الفيلم
- 9:00
- اللغات
- 12
- الوقت لكل طلب
- 2.6–3.3 دقيقة
- فرق المدة
- < 0.03 ثانية
كيف أجرينا الاختبار
الأرقام أعلاه مأخوذة من سجلاتنا نحن، لا من بيان صحفي. ثلاث تفاصيل تهمك إن أردت تكرار التجربة.
قسّمه عند وقفة
يقبل الطلب الواحد فيديو مدته من 4 إلى 360 ثانية، لذلك أرسلنا الفيلم ذا الدقائق التسع على جزأين قُطعا عند وقفة طبيعية: 4:43 و4:17. اثنتا عشرة لغة تعني 24 طلبًا، وعاد كل طلب خلال 157 إلى 200 ثانية.
المدة بقيت كما هي
عاد كل جزء مترجم بمدة الأصل نفسها. الجزء الأول عاد بـ283.26 ثانية مقابل 283.29 للمصدر، والجزء الثاني بـ256.83 مقابل 256.83، وكانت الأرقام متطابقة في كل اللغات. انطبق التعليق الجديد على الصورة دون إعادة ضبط للتوقيت.
أرسلنا الصوت وحده
غذّينا النموذج بالتعليق الصوتي دون موسيقى، ثم أعدنا دمج موسيقانا ومؤثراتنا بعد الترجمة. الاحتفاظ بالموسيقى والمؤثرات داخل الترجمة ميزة معلنة في النموذج، لكن هذا الاختبار بالذات لم يعتمد عليها.
ما الذي يستطيع Seed Audio 1.5 فعله
الإصدار 1.5 هو أول نموذج من Seed Audio يقبل الفيديو. هذا التغيير وحده يفتح معظم المهام أدناه.
ترجمة فيديو بنفس الصوت
من الإنجليزية أو الصينية إلى 30 لغة. يحتفظ الصوت بطابع المتحدث، وتبقى المؤثرات الأصلية والموسيقى الخلفية في مكانها بينما يتغير الكلام فقط.
دبلجة فيديو انطلاقًا من وصف
أعطه فيديو وصِف ما يجب أن يُسمع: الحوار والأصوات والمؤثرات والموسيقى. يكتب لك صوتًا يتبع الصورة. لكنه لن يؤلف لك النص.
فصل الصوت إلى مسارات
ارفع ملفًا صوتيًا لتحصل على الأصوات والمؤثرات والموسيقى في مسارات منفصلة، حتى ستة مسارات، جاهزة لجلسة المكساج.
إضافة صوت لمقطع صامت
اطلب أجواءً محيطة وخطوات وبابًا وخلفية موسيقية، وضع كل عنصر على الخط الزمني بطوابع زمنية داخل الأمر.
استنساخ صوت
حتى ستة مقاطع مرجعية، مدة كل منها من 2 إلى 30 ثانية، تحدد نبرة الصوت. اجمع المرجع مع فيديو وستُنطق الدبلجة بذلك الصوت.
كتابة أغانٍ بكلمات
موسيقى تصل مدتها إلى ست دقائق من وصف نصي، مع كلمات مغناة بالإنجليزية أو الصينية أو اليابانية أو الكورية أو الكانتونية.
حدود Seed Audio 1.5
الحدود مأخوذة من دليل التكامل في الوصول المبكر من ByteDance. راجعها قبل أن تقطع الفيديو.
| المُدخل | الحد |
|---|---|
| مدة الفيديو | 4–360 ثانية لكل طلب |
| صيغ الفيديو | MP4 وMOV |
| دقة الفيديو | 480p أو 720p أو 1080p |
| حجم ملف الفيديو | حتى 200 ميغابايت |
| مقاطع مرجع الصوت | حتى 6 مقاطع، من 2 إلى 30 ثانية لكل مقطع، و180 ثانية في المجموع |
| الصوت لفصل المسارات | ملف واحد، من 2 إلى 360 ثانية، حتى 90 ميغابايت، بصيغة WAV أو MP3 |
| المُخرج | القيمة |
|---|---|
| أطول مدة صوت لكل طلب | 6 دقائق |
| مسارات الفصل | حتى 6 |
| الصيغ | WAV (الافتراضية) وMP3 وPCM وOGG Opus |
| معدل العينة الافتراضي | 44.1 كيلوهرتز |
| لغات الكلام | 30 |
| مصدر ترجمة الفيديو | الإنجليزية أو الصينية، أو يُكتشف تلقائيًا |
المصدر: دليل التكامل في الوصول المبكر لـ Seed Audio 1.5 من ByteDance، أكتوبر 2026. قد تتغير الحدود بعد الإصدار.
30 لغة
يتحدث Seed Audio 1.5 هذه اللغات. تتم ترجمة الفيديو من الإنجليزية أو الصينية إلى أي منها.
كلمات الأغاني مدعومة في مجموعة أصغر: الإنجليزية والصينية واليابانية والكورية والكانتونية.
أوامر تعطي نتائج جيدة
يصف دليل الأوامر من ByteDance ثلاثة مستويات: وصف بسيط، ونص يحدد ترتيب الأحداث، وخط زمني بثوانٍ دقيقة. ابدأ ببساطة وأضف الطوابع الزمنية حيث يهم التوقيت فقط. الأوامر أدناه بالإنجليزية لأن النموذج يتبع التوجيهات الإنجليزية بدقة أكبر.
تعليق صوتي بسيط
Generate only this speaker as dry, close-miked speech. No music, no sound effects, no room reverb, no second speaker. A calm adult female voice at a steady pace reads: “Most people in Pompeii woke up that morning expecting an ordinary day.”
القيود أولًا، ثم الصوت، ثم الكلمات بنصها. أن تذكر ما يجب ألا يظهر لا يقل أهمية عن ذكر ما يجب أن يظهر.
مشهد بتوقيت محدد
[0.0s:12.0s] Soft market ambience under the whole scene. [0.5s:1.5s] A wooden cart rolls past. [2.0s:6.5s] An old man, warm and unhurried, says: “Bread, still warm from the oven.” [7.0s:12.0s] A low drum rumble rises in the distance.
تضع الطوابع الزمنية كل صوت في موضعه على الخط الزمني، فينسجم الصوت مع القطعات التي أجريتها بالفعل.
ما يجب الانتباه إليه
أمور واجهناها أثناء الاختبار، وأمور توضحها الوثائق بصراحة.
- الأسماء والكلمات النادرة قد تتغير من محاولة لأخرى. في الترجمة الروسية لفيلمنا الثاني، الذي تدور أحداثه في لندن عام 1666، خرجت الكلمة القديمة التي تدل على قارب نهر التيمز بشكل خاطئ، وتغيّرت صيغة اسم إحدى الشخصيات. تقبل ترجمة الفيديو قاموس مصطلحات، فاكتب الأسماء فيه قبل التشغيل.
- الدبلجة تحتاج إلى وصف. لا يكتب Seed Audio 1.5 الحوار من تلقاء نفسه؛ أخبره بما يُقال وما يُسمع.
- ينتج صوتًا لا حركة شفاه. يحتفظ الصوت المترجم بتوقيت الأصل، لكن الأفواه على الشاشة لا يُعاد رسمها.
- الطلب الواحد يغطي حتى 6 دقائق. الفيديوهات الأطول يجب تقسيمها، والقطع في منتصف جملة مسموع، فاقطع عند وقفة.
- ترجمة الفيديو تبدأ من الإنجليزية أو الصينية. لا يمكن ترجمة فيديو بلغة أخرى مباشرة.
- لا تستنسخ إلا الأصوات التي يحق لك استخدامها.
أسئلة شائعة عن Seed Audio 1.5
ما هو Seed Audio 1.5؟
Seed Audio 1.5 نموذج لتوليد الصوت من ByteDance، صدر في 28 أكتوبر 2026. ينتج الكلام والمؤثرات الصوتية والموسيقى في تمريرة واحدة، وهو أول إصدار من Seed Audio يقبل الفيديو، وهذا ما يجعل دبلجة الفيديو وترجمته بنفس الصوت ممكنتين.
هل يترجم Seed Audio 1.5 الفيديو بنفس الصوت؟
نعم. تعيد ترجمة الفيديو نطق الكلام بلغة أخرى مع الحفاظ على طابع صوت المتحدث، وتُبقي المؤثرات الصوتية والموسيقى الأصلية. في اختبارنا عاد تعليق إنجليزي مدته 9 دقائق بـ12 لغة، وكل نسخة بمدة الأصل نفسها.
ما اللغات التي يدعمها Seed Audio 1.5؟
30 لغة للكلام، منها الإنجليزية والصينية واليابانية والكورية والإسبانية (إسبانيا والمكسيك) والبرتغالية (البرازيل والبرتغال) والألمانية والفرنسية والروسية والعربية والهندية. تتم ترجمة الفيديو من الإنجليزية أو الصينية إلى أي من اللغات الثلاثين.
ما أقصى مدة للفيديو؟
يقبل الطلب الواحد فيديو مدته من 4 إلى 360 ثانية وحجمه حتى 200 ميغابايت بدقة 480p أو 720p أو 1080p. إن كان الفيلم أطول، قسّمه عند الوقفات وترجم الأجزاء واحدًا تلو الآخر، كما فعلنا مع فيلم بومبي ذي الدقائق التسع.
كم تستغرق الترجمة؟
في تجاربنا استغرق كل جزء مدته نحو أربع دقائق ونصف ما بين 157 و200 ثانية لكل لغة.
هل يدعم Seed Audio 1.5 مزامنة الشفاه؟
لا. هو يولّد الصوت فقط. يتبع الصوت المترجم توقيت الأصل، لكن الفيديو نفسه، بما في ذلك حركة الفم، لا يتغير.
هل يمكنه فصل الصوت عن الموسيقى والمؤثرات؟
نعم. أعطه ملفًا صوتيًا مدته حتى 6 دقائق فيعيد الأصوات والمؤثرات والموسيقى في مسارات منفصلة، حتى ستة مسارات في المجموع.
ما الذي تغيّر عن Seed Audio 1.0؟
يضيف Seed Audio 1.5 إدخال الفيديو، وهو ما يتيح دبلجة الفيديو وترجمته. كما يضيف فصل المسارات والموسيقى حتى 6 دقائق، ويقبل حتى ستة مقاطع مرجعية للصوت، وينتج حتى 6 دقائق من الصوت في الطلب الواحد، ويتحدث 30 لغة.
هل Seed Audio 1.5 هو نفسه Seed Audio 2.0؟
تذكر بعض المواقع النموذج القادم باسم Seed Audio 2.0. أما وثائق الوصول المبكر من ByteDance فتسميه Seed Audio 1.5، وهذا هو الاسم الذي نستخدمه.
هل Doitong تابعة لـ ByteDance؟
لا. Doitong منصة فيديو بالذكاء الاصطناعي مستقلة. حصلنا على وصول مبكر إلى Seed Audio 1.5 ونعرض هنا نتائجنا الخاصة.
ما الذي يمكنك فعله مع Seed Audio 1.5
امنح فيديوك صوتًا بلغة أخرى
ابدأ بمقطع قصير واحد، وراجع الأسماء، ثم شغّل الفيلم كاملًا.
ابدأ في Doitong