Seed Audio 1.5: ittraduċi u dubbja l-vidjow bl-istess leħen
Mudell wieħed għal-leħen, l-effetti sonori u l-mużika, immexxi mill-vidjow tiegħek
Seed Audio 1.5 huwa l-mudell il-ġdid tal-awdjo ta' ByteDance. Jieħu vidjow, jisimgħu u jikteb soundtrack ġdid: l-istess narratur jitkellem bil-Ġappuniż, dub li jsegwi x-xbieha, jew il-leħen, il-mużika u l-effetti mifruda f'tracks separati. Aħna użajnih f'aċċess bikri biex nittraduċu film animat ta' 9 minuti f'12-il lingwa. Hawnhekk tara x'għamel, fejn żbalja, u kif tikseb l-istess riżultat.
Doitong hija pjattaforma indipendenti u m'għandhiex x'taqsam ma' ByteDance.
It-test tagħna: film wieħed, 12-il lingwa, l-istess narratur
Ħadna “The Last Ordinary Day in Pompeii”, film storiku animat ta' 9 minuti b'narrazzjoni bl-Ingliż, u għadddewnieh minn Seed Audio 1.5 għat-traduzzjoni tal-vidjow darba għal kull lingwa. Ixgħel il-vidjow u iftaħ Settings → Track tal-awdjo biex taqleb bejn l-oriġinal bl-Ingliż u t-12-il traduzzjoni.
Tracks tal-awdjo f'dan il-vidjow: Ingliż (oriġinal) flimkien ma' Russu, Ġermaniż, Franċiż, Spanjol (Spanja), Taljan, Ġappuniż, Korean, Olandiż, Żvediż, Daniż, Norveġiż u Finlandiż.
- Tul tal-film
- 9:00
- Lingwi
- 12
- Ħin għal kull talba
- 2,6–3,3 min
- Differenza fit-tul
- < 0,03 s
Kif għamilna t-test
In-numri ta' hawn fuq ġejjin mil-logs tagħna stess, mhux minn komunikat stampat. Tliet dettalji huma importanti jekk trid terġa' tagħmel it-test.
Qasam f'pawża
Talba waħda taċċetta vidjow ta' 4 sa 360 sekonda, għalhekk il-film ta' 9 minuti dħal f'żewġ partijiet maqtugħin f'pawża naturali: 4:43 u 4:17. Tnax-il lingwa kienu jfissru 24 talba, u kull waħda reġgħet lura f'157 sa 200 sekonda.
It-tul inżamm
Kull parti tradotta reġgħet lura bit-tul tal-oriġinal. Il-parti l-ewwel reġgħet lura b'283,26 sekonda kontra 283,29 tas-sors, it-tieni parti b'256,83 kontra 256,83, u l-figuri kienu l-istess f'kull lingwa. In-narrazzjoni l-ġdida waqgħet fuq ix-xbieha mingħajr ma kellha bżonn tiġi mmexxija mill-ġdid.
Bgħatna l-leħen waħdu
Tajna lill-mudell in-narrazzjoni mingħajr mużika, u mbagħad imxejna l-mużika u l-effetti tagħna stess wara. Li żżomm il-mużika u l-effetti ġewwa t-traduzzjoni hija funzjoni dikjarata tal-mudell, imma dan it-test partikolari ma kienx jiddependi minnha.
X'jista' jagħmel Seed Audio 1.5
Il-verżjoni 1.5 hija l-ewwel mudell ta' Seed Audio li jaċċetta vidjow. Dan it-tibdil wieħed jiftaħ il-biċċa l-kbira tax-xogħlijiet t'hawn taħt.
Ittraduċi vidjow bl-istess leħen
Mill-Ingliż jew miċ-Ċiniż għal 30 lingwa. Il-leħen iżomm il-karattru tal-kelliem, u l-effetti oriġinali u l-mużika fl-isfond jibqgħu f'postom filwaqt li titbiddel biss il-kelma mitkellma.
Dubbja vidjow minn deskrizzjoni
Agħtih vidjow u fisser x'għandu jinstema': il-linji, il-leħnijiet, l-effetti, il-mużika. Jikteb awdjo li jsegwi x-xbieha. Ma jivvintalekx l-iskript.
Aqsam l-awdjo f'stems
Agħtih fajl tal-awdjo u terġa' tieħu l-leħnijiet, l-effetti u l-mużika bħala tracks separati, sa sitta minnhom, lesti għal sessjoni ta' mixing.
Żid is-soundtrack ma' clip bla ħoss
Itlob ambjent, ħoss ta' passi, bieb, sfond mużikali, u poġġi kull wieħed fuq it-timeline b'timestamps fil-prompt.
Ikklona leħen
Sa sitt clips ta' referenza ta' 2 sa 30 sekonda kull wieħed jiffissaw it-timbru. Għaqqad referenza ma' vidjow u d-dub jitkellem b'dak il-leħen.
Ikteb kanzunetti bil-lirika
Mużika sa sitt minuti twila minn brief bit-test, b'lirika mkantata bl-Ingliż, iċ-Ċiniż, il-Ġappuniż, il-Korean jew il-Kantonis.
Limiti ta' Seed Audio 1.5
Limiti mill-gwida ta' integrazzjoni ta' aċċess bikri ta' ByteDance. Iċċekkjahom qabel taqta' l-vidjow tiegħek.
| Input | Limitu |
|---|---|
| Tul tal-vidjow | 4–360 sekonda għal kull talba |
| Formati tal-vidjow | MP4, MOV |
| Riżoluzzjoni tal-vidjow | 480p, 720p jew 1080p |
| Daqs tal-fajl tal-vidjow | Sa 200 MB |
| Clips ta' referenza tal-leħen | Sa 6, 2–30 s kull wieħed, 180 s b'kollox |
| Awdjo għas-separazzjoni f'stems | Fajl wieħed, 2–360 s, sa 90 MB, WAV jew MP3 |
| Output | Valur |
|---|---|
| L-itwal awdjo għal kull talba | 6 minuti |
| Tracks tal-istems | Sa 6 |
| Formati | WAV (default), MP3, PCM, OGG Opus |
| Sample rate default | 44,1 kHz |
| Lingwi għall-kliem mitkellem | 30 |
| Sors tat-traduzzjoni tal-vidjow | Ingliż jew Ċiniż, jew misjub awtomatikament |
Sors: gwida ta' integrazzjoni ta' aċċess bikri ta' ByteDance Seed Audio 1.5, Ottubru 2026. Il-limiti jistgħu jinbidlu wara l-ħruġ.
30 lingwa
Seed Audio 1.5 jitkellem dawn il-lingwi. It-traduzzjoni tal-vidjow tmur mill-Ingliż jew miċ-Ċiniż għal kwalunkwe waħda minnhom. Il-Malti mhuwiex fost dawn il-lingwi.
Il-lirika fil-kanzunetti hija appoġġjata f'sett iżgħar: Ingliż, Ċiniż, Ġappuniż, Korean u Kantonis.
Prompts li jaħdmu
Il-gwida tal-prompts ta' ByteDance tiddeskrivi tliet livelli: deskrizzjoni sempliċi, skript li jistabbilixxi l-ordni tal-ġrajjiet, u timeline b'sekondi eżatti. Ibda sempliċi u żid timestamps biss fejn it-timing huwa importanti. Il-prompts jibqgħu bl-Ingliż, għax il-mudell isegwi aħjar id-direzzjonijiet bl-Ingliż.
Voice-over sempliċi
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.”
L-ewwel il-limitazzjonijiet, imbagħad il-leħen, imbagħad il-kliem eżatt. Li tgħid dak li m'għandux jidher huwa importanti daqs dak li għandu jidher.
Xena b'timing
[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.
It-timestamps iqiegħdu kull ħoss fuq it-timeline, biex l-awdjo jaqbel mal-qtugħ li diġà għamilt.
Affarijiet li għandek toqgħod attent għalihom
Affarijiet li sibna fit-testijiet, u affarijiet li d-dokumentazzjoni hija ċara dwarhom.
- L-ismijiet u l-kliem rari jistgħu jvarjaw bejn takes. Fit-traduzzjoni bir-Russu tat-tieni film tat-test tagħna, li jsir f'Londra fl-1666, il-kelma l-antika għal dgħajsa tax-Xmara Thames ħarġet ħażina u isem ta' karattru wieħed biddel il-forma. It-traduzzjoni tal-vidjow taċċetta glossarju, allura elenka l-ismijiet qabel ma tħaddem it-traduzzjoni.
- Id-dubbing jeħtieġ deskrizzjoni. Seed Audio 1.5 ma jikteb l-ebda linja waħdu; għidlu x'jingħad u x'jinstema'.
- Jagħmel ħoss, mhux moviment tax-xofftejn. Leħen tradott iżomm it-timing tal-oriġinal, imma ż-ħalq fuq l-iskrin ma jerġax jinqaleb.
- Talba waħda tkopri sa 6 minuti. Vidjows itwal iridu jinqasmu, u qtugħ f'nofs sentenza jinstema', allura aqta' f'pawża.
- It-traduzzjoni tal-vidjow tibda mill-Ingliż jew miċ-Ċiniż. Vidjow f'lingwa oħra ma jistax jiġi tradott direttament.
- Ikklona biss leħnijiet li għandek id-dritt tużahom.
Mistoqsijiet frekwenti dwar Seed Audio 1.5
Seed Audio 1.5 jista' jittraduċi jew jidubbja vidjow bil-Malti?
Għadu le: il-Malti mhuwiex fost it-30 lingwa li jitkellem Seed Audio 1.5 meta joħroġ. Vidjows bl-Ingliż jew biċ-Ċiniż jistgħu jiġu tradotti f'lingwi li x'aktarx tkun tixtieq ukoll, bħat-Taljan, il-Franċiż, il-Ġermaniż, l-Ispanjol jew l-Għarbi.
X'inhu Seed Audio 1.5?
Seed Audio 1.5 huwa mudell ta' ġenerazzjoni tal-awdjo minn ByteDance, maħruġ fit-28 ta' Ottubru 2026. Jipproduċi kliem mitkellem, effetti sonori u mużika f'daqqa waħda u huwa l-ewwel verżjoni ta' Seed Audio li taċċetta vidjow, u dan huwa dak li jagħmel possibbli d-dubbing tal-vidjow u t-traduzzjoni tal-vidjow bl-istess leħen.
Seed Audio 1.5 jittraduċi vidjow bl-istess leħen?
Iva. It-traduzzjoni tal-vidjow terġa' tagħti leħen lill-kliem f'lingwa oħra filwaqt li żżomm il-karattru tal-leħen tal-kelliem, u żżomm l-effetti sonori u l-mużika oriġinali. Fit-test tagħna narrazzjoni bl-Ingliż ta' 9 minuti reġgħet lura f'12-il lingwa, kull waħda bl-istess tul tal-oriġinal.
Liema lingwi jappoġġja Seed Audio 1.5?
30 lingwa għall-kliem mitkellem, fosthom Ingliż, Ċiniż, Ġappuniż, Korean, Spanjol (Spanja u Messiku), Portugiż (Brażil u Portugall), Ġermaniż, Franċiż, Russu, Għarbi u Hindi. It-traduzzjoni tal-vidjow tmur mill-Ingliż jew miċ-Ċiniż għal kwalunkwe waħda mit-30.
Kemm jista' jkun twil il-vidjow?
Talba waħda tieħu vidjow ta' 4 sa 360 sekonda, sa 200 MB, f'480p, 720p jew 1080p. Għal film itwal, aqsmu f'pawżi u ittraduċi l-partijiet waħda waħda, kif għamilna bil-film ta' Pompei ta' 9 minuti.
Kemm tieħu żmien traduzzjoni?
Fit-tħaddim tagħna kull parti ta' madwar erba' minuti u nofs ħadet bejn 157 u 200 sekonda għal kull lingwa.
Seed Audio 1.5 jagħmel lip sync?
Le. Jiġġenera awdjo. Il-leħen tradott isegwi t-timing tal-oriġinal, imma l-vidjow innifsu, inkluż il-moviment tal-ħalq, ma jinbidilx.
Jista' jisseparra l-vokali, il-mużika u l-effetti sonori?
Iva. Agħtih fajl tal-awdjo ta' sa 6 minuti u jagħtik lura l-leħnijiet, l-effetti u l-mużika bħala tracks separati, sa sitta b'kollox.
X'inbidel minn Seed Audio 1.0?
Seed Audio 1.5 iżid input tal-vidjow, li jġib miegħu d-dubbing tal-vidjow u t-traduzzjoni tal-vidjow. Iżid ukoll is-separazzjoni f'stems u mużika sa 6 minuti, jaċċetta sa sitt clips ta' referenza tal-leħen, jipproduċi sa 6 minuti ta' awdjo għal kull talba u jitkellem 30 lingwa.
Seed Audio 1.5 huwa l-istess bħal Seed Audio 2.0?
Xi siti jelenkaw il-mudell li ġej bħala Seed Audio 2.0. Id-dokumentazzjoni ta' aċċess bikri ta' ByteDance isejjaħlu Seed Audio 1.5, u dan huwa l-isem li nużaw aħna.
Doitong hija affiljata ma' ByteDance?
Le. Doitong hija pjattaforma indipendenti tal-vidjow bl-AI. Kellna aċċess bikri għal Seed Audio 1.5 u hawnhekk niddeskrivu r-riżultati tagħna stess.
X'tista' tagħmel b'Seed Audio 1.5
Agħti lill-vidjow tiegħek leħen f'lingwa oħra
Ibda b'clip qasira waħda, iċċekkja l-ismijiet, u mbagħad ħaddem il-film kollu.
Ibda f'Doitong