Seed Audio 1.5: þýddu og talsettu myndband með sömu rödd
Eitt líkan fyrir rödd, hljóðbrellur og tónlist, stýrt af myndbandinu þínu
Seed Audio 1.5 er nýtt hljóðlíkan frá ByteDance. Það tekur við myndbandi, hlustar á það og býr til nýtt hljóðrás: sami sögumaðurinn talar japönsku, talsetning sem fylgir myndinni, eða rödd, tónlist og brellur aðskilin í sérstakar hljóðrásir. Við notuðum það í snemmbúnum aðgangi til að þýða 9 mínútna teiknaða kvikmynd á 12 tungumál. Hér sérðu hvað það gerði, hvar það skeikaði og hvernig þú nærð sama árangri.
Doitong er sjálfstæður vettvangur og tengist ekki ByteDance.
Prófið okkar: ein kvikmynd, 12 tungumál, sami sögumaður
Við tókum „The Last Ordinary Day in Pompeii“, 9 mínútna teiknaða sögumynd með enskri frásögn, og keyrðum hana í gegnum myndbandsþýðingu Seed Audio 1.5 einu sinni fyrir hvert tungumál. Spilaðu myndbandið og opnaðu Stillingar → Hljóðrás til að skipta á milli enska frumhljóðsins og þýðinganna 12.
Hljóðrásir í þessu myndbandi: enska (frumhljóð) auk rússnesku, þýsku, frönsku, spænsku (Spánn), ítölsku, japönsku, kóresku, hollensku, sænsku, dönsku, norsku og finnsku.
- Lengd myndar
- 9:00
- Tungumál
- 12
- Tími á beiðni
- 2,6–3,3 mín.
- Lengdarmunur
- < 0,03 s
Hvernig við framkvæmdum prófið
Tölurnar hér að ofan koma úr okkar eigin skrám, ekki úr fréttatilkynningu. Þrjú atriði skipta máli ef þú vilt endurtaka prófið.
Skipt við þögn
Ein beiðni tekur við myndbandi sem er 4 til 360 sekúndur, svo 9 mínútna myndin fór inn í tveimur hlutum sem skornir voru við náttúrulegt hlé: 4:43 og 4:17. Tólf tungumál þýddu 24 beiðnir og hver þeirra skilaði sér á 157 til 200 sekúndum.
Lengdin hélst
Hver þýddur hluti kom til baka jafnlangur frumútgáfunni. Fyrri hlutinn skilaði sér á 283,26 sekúndum á móti 283,29 í frumútgáfu, seinni hlutinn á 256,83 á móti 256,83, og tölurnar voru þær sömu í öllum tungumálum. Nýja frásögnin féll að myndinni án þess að hún væri tímasett upp á nýtt.
Við sendum röddina eina
Við gáfum líkaninu frásögnina án tónlistar og blönduðum okkar eigin tónlist og brellum aftur við á eftir. Líkanið er sagt geta haldið tónlist og brellum inni í þýðingunni, en þetta tiltekna próf byggði ekki á því.
Hvað getur Seed Audio 1.5?
Útgáfa 1.5 er fyrsta Seed Audio-líkanið sem tekur við myndbandi. Sú eina breyting opnar fyrir flest verkefnin hér að neðan.
Þýddu myndband með sömu rödd
Úr ensku eða kínversku yfir á 30 tungumál. Röddin heldur karakter sögumannsins og upprunalegar brellur og bakgrunnstónlist haldast á sínum stað á meðan aðeins talið breytist.
Talsettu myndband út frá lýsingu
Gefðu því myndband og lýstu því sem á að heyrast: textanum, röddunum, brellunum og tónlistinni. Það býr til hljóð sem fylgir myndinni. Það semur ekki handritið fyrir þig.
Skiptu hljóði í hljóðrásir
Gefðu því hljóðskrá og fáðu raddir, brellur og tónlist til baka í aðskildum hljóðrásum, allt að sex talsins, tilbúnar fyrir hljóðblöndun.
Bættu hljóði við þögult myndskeið
Biddu um umhverfishljóð, fótatak, dyr sem opnast eða tónlistarundirspil og settu hvert hljóð á tímalínuna með tímastimplum í fyrirmælunum.
Klónaðu rödd
Allt að sex raddsýni, 2 til 30 sekúndur hvert, móta hljómblæinn. Sameinaðu sýni og myndband og talsetningin er töluð með þeirri rödd.
Semdu lög með söngtextum
Tónlist allt að sex mínútna löng út frá textalýsingu, með sungnum textum á ensku, kínversku, japönsku, kóresku eða kantónsku.
Takmörk Seed Audio 1.5
Takmörk úr samþættingarleiðbeiningum ByteDance fyrir snemmbúinn aðgang. Kannaðu þau áður en þú klippir myndbandið.
| Inntak | Takmörk |
|---|---|
| Lengd myndbands | 4–360 sekúndur í hverri beiðni |
| Myndbandssnið | MP4, MOV |
| Upplausn myndbands | 480p, 720p eða 1080p |
| Skráarstærð myndbands | Allt að 200 MB |
| Raddsýni | Allt að 6, 2–30 s hvert, 180 s samtals |
| Hljóð fyrir aðskilnað hljóðrása | Ein skrá, 2–360 s, allt að 90 MB, WAV eða MP3 |
| Úttak | Gildi |
|---|---|
| Lengsta hljóð í hverri beiðni | 6 mínútur |
| Hljóðrásir við aðskilnað | Allt að 6 |
| Snið | WAV (sjálfgefið), MP3, PCM, OGG Opus |
| Sjálfgefin sýnatökutíðni | 44,1 kHz |
| Tungumál fyrir tal | 30 |
| Frummál myndbandsþýðingar | Enska eða kínverska, eða greint sjálfkrafa |
Heimild: samþættingarleiðbeiningar ByteDance fyrir snemmbúinn aðgang að Seed Audio 1.5, október 2026. Takmörk geta breyst eftir útgáfu.
30 tungumál
Seed Audio 1.5 talar þessi tungumál. Myndbandsþýðing fer úr ensku eða kínversku yfir á hvert þeirra.
Söngtextar í lögum eru studdir á færri tungumálum: ensku, kínversku, japönsku, kóresku og kantónsku.
Fyrirmæli sem virka
Leiðbeiningar ByteDance lýsa þremur stigum: einfaldri lýsingu, handriti sem ákveður röð atburða og tímalínu með nákvæmum sekúndum. Byrjaðu einfalt og bættu við tímastimplum aðeins þar sem tímasetning skiptir máli. Fyrirmælin sjálf eru á ensku því líkanið skilur ensk sviðsfyrirmæli best.
Einföld talsetning
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.”
Fyrst takmarkanirnar, svo röddin og loks nákvæmur textinn. Að segja hvað má ekki koma fram skiptir jafn miklu máli og hvað á að koma fram.
Tímasett atriði
[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.
Tímastimplar setja hvert hljóð á tímalínuna svo hljóðið falli að klippunum sem þú hefur þegar gert.
Hvað þarf að hafa í huga
Atriði sem við rákumst á í prófunum og atriði sem skjölin segja skýrt frá.
- Nöfn og sjaldgæf orð geta breyst milli tilrauna. Í rússnesku þýðingunni á seinni prófunarmyndinni okkar, sem gerist í London árið 1666, kom gamla orðið yfir árbát á Thames rangt út og nafn einnar persónu breytti um mynd. Myndbandsþýðing tekur við orðalista, svo skráðu nöfnin áður en þú keyrir hana.
- Talsetning krefst lýsingar. Seed Audio 1.5 semur ekki línur sjálft; segðu því hvað er sagt og hvað heyrist.
- Það býr til hljóð, ekki varahreyfingar. Þýdd rödd heldur tímasetningu frumútgáfunnar en munnar á skjánum eru ekki teiknaðir upp á nýtt.
- Ein beiðni nær yfir allt að 6 mínútur. Lengri myndbönd þarf að skipta og skurður í miðri setningu heyrist, svo skerðu við hlé.
- Myndbandsþýðing byrjar á ensku eða kínversku. Myndband á öðru tungumáli er ekki hægt að þýða beint.
- Klónaðu aðeins raddir sem þú hefur rétt til að nota.
Algengar spurningar um Seed Audio 1.5
Getur Seed Audio 1.5 þýtt eða talsett myndband á íslensku?
Ekki enn. Íslenska er ekki meðal þeirra 30 tungumála sem Seed Audio 1.5 talar við útgáfu. Myndbönd á ensku eða kínversku má hins vegar þýða á tungumál sem margir íslenskir lesendur þurfa líka, til dæmis dönsku, norsku, sænsku, þýsku og spænsku.
Hvað er Seed Audio 1.5?
Seed Audio 1.5 er hljóðgerðarlíkan frá ByteDance sem kom út 28. október 2026. Það býr til tal, hljóðbrellur og tónlist í einni umferð og er fyrsta útgáfa Seed Audio sem tekur við myndbandi, en það gerir talsetningu myndbanda og myndbandsþýðingu með sömu rödd mögulega.
Getur Seed Audio 1.5 þýtt myndband með sömu rödd?
Já. Myndbandsþýðing talar efnið upp á nýtt á öðru tungumáli, heldur karakter raddar sögumannsins og varðveitir upprunalegar hljóðbrellur og tónlist. Í prófinu okkar kom 9 mínútna ensk frásögn til baka á 12 tungumálum, hver þýðing jafnlöng frumútgáfunni.
Hvaða tungumál styður Seed Audio 1.5?
30 tungumál fyrir tal, þar á meðal ensku, kínversku, japönsku, kóresku, spænsku (Spán og Mexíkó), portúgölsku (Brasilíu og Portúgal), þýsku, frönsku, rússnesku, arabísku og hindí. Myndbandsþýðing fer úr ensku eða kínversku yfir á hvert þessara 30 tungumála.
Hversu langt má myndbandið vera?
Ein beiðni tekur við myndbandi sem er 4 til 360 sekúndur, allt að 200 MB, í 480p, 720p eða 1080p. Lengri mynd skerðu við hlé og þýðir hlutana einn í einu, eins og við gerðum með 9 mínútna Pompeii-myndina.
Hversu langan tíma tekur þýðing?
Í okkar keyrslum tók hver hluti, um fjórar og hálf mínúta að lengd, á bilinu 157 til 200 sekúndur fyrir hvert tungumál.
Býður Seed Audio 1.5 upp á samstillingu varahreyfinga?
Nei. Það býr til hljóð. Þýdda röddin fylgir tímasetningu frumútgáfunnar en myndbandinu sjálfu, þar á meðal munnhreyfingum, er ekki breytt.
Getur það aðskilið söng, tónlist og hljóðbrellur?
Já. Gefðu því hljóðskrá sem er allt að 6 mínútur og það skilar röddum, brellum og tónlist í aðskildum hljóðrásum, allt að sex talsins.
Hvað breyttist frá Seed Audio 1.0?
Seed Audio 1.5 bætir við myndbandsinntaki, sem gerir talsetningu og þýðingu myndbanda mögulega. Það bætir einnig við aðskilnaði hljóðrása og tónlist allt að 6 mínútna langri, tekur við allt að sex raddsýnum, býr til allt að 6 mínútna hljóð í hverri beiðni og talar 30 tungumál.
Er Seed Audio 1.5 það sama og Seed Audio 2.0?
Sumar vefsíður kalla væntanlega líkanið Seed Audio 2.0. Skjöl ByteDance um snemmbúinn aðgang kalla það Seed Audio 1.5 og það er nafnið sem við notum.
Tengist Doitong ByteDance?
Nei. Doitong er sjálfstæður AI-myndbandsvettvangur. Við fengum snemmbúinn aðgang að Seed Audio 1.5 og lýsum hér okkar eigin niðurstöðum.
Hvað getur þú gert með Seed Audio 1.5?
Gefðu myndbandinu þínu rödd á erlendu tungumáli
Byrjaðu á einu stuttu myndskeiði, athugaðu nöfnin og keyrðu svo alla myndina.
Byrja í Doitong