选择文本转语音模板
点击任意模板，提示词会自动填好
由字节跳动 Doubao-Seed-Audio 1.0 驱动
Seed Audio 1.0
重新定义 AI 音频生成
一句提示词、参考音频或一张图片，直接生成成品音频：语音、对白、音乐与环境声一次完成。
- 基于参考音生成
- 参考音频或图片
- 音乐 · 人声 · 氛围
- 免费开始
Seed Audio 1.0 的核心能力
基于参考音的音频生成
以文本、参考人声或一段环境声作为输入，Seed Audio 会端到端地生成与之相符的音频。因为它读取参考而不仅仅依赖脚本，你可以把特定音色或氛围带到截然不同的场景中，这是单凭文字很难捕捉到的。
多角色对白与声音一致性
在一句提示词中定义多个角色（台词、语气和情绪节奏），让模型在同一段生成音频里演绎完整对白。
一句提示词搞定音乐、音效与环境声
背景音乐、环境声与人声可以一次生成，让一个完整场景从一条指令中诞生，而不必事后把分轨拼接起来。成品听起来是混好的，而非拼凑的。
零样本多模态音频创作
无需额外训练。一句文本提示词就能定义一个声音的音色与表现风格，再加上参考音频或一张参考图片会让结果更精准。
一次完成配乐与拟音
除了人声，Seed Audio 还能在你的对白之下叠加音乐铺底、房间环境声和零星音效，让混音浑然天成，而无需事后单独再做配乐与拟音环节。一句提示词承载整套声音设计。
如何在线使用 Seed Audio 1.0
用 Seed Audio 1.0，只需三个简单步骤，就能从一句文本提示词得到一段成品音频。
- 1
描述你的音频
用自然语言告诉 Seed Audio 你想听到什么：谁在说话、情绪如何、有无音乐，以及周围的环境声。你给模型的意图越多，第一次结果往往就越贴近预期。
- 2
添加参考音（可选）
上传一段参考人声或环境音频，来引导音色与氛围。这一步是可选的，但它是把输出导向你心中特定声音的最快方式。
- 3
生成并下载
生成音频，预览结果，并按所选输出格式下载。
听听 Seed Audio 1.0 能做什么
下面每一段都是 Seed Audio 1.0 从一句提示词直接生成的成品，点击试听。
创作者怎么评价 Seed Audio 1.0
听听正在探索 Seed Audio 1.0 能力的创作者、播客主和音频制作人的声音。
我可以用同一个选定音色和朗读设置快速生成干净的旁白片段，然后直接进入剪辑。
Maya Reyes
有声书旁白
Seed Audio 1.0 一次生成就把片头人声和铺底音乐一起做好。我做一期周更节目的周转时间，从一个下午缩短到大约二十分钟。
Deon Carter
播客制作人
我们用一个脚本安排多个角色，一次生成就能得到含对白、房间氛围和音乐铺底的广播剧草稿。
Kaito Tanaka
独立游戏工作室
我可以用同一个选定音色和朗读设置快速生成干净的旁白片段，然后直接进入剪辑。
Maya Reyes
有声书旁白
Seed Audio 1.0 一次生成就把片头人声和铺底音乐一起做好。我做一期周更节目的周转时间，从一个下午缩短到大约二十分钟。
Deon Carter
播客制作人
我们用一个脚本安排多个角色，一次生成就能得到含对白、房间氛围和音乐铺底的广播剧草稿。
Kaito Tanaka
独立游戏工作室
我可以用同一个选定音色和朗读设置快速生成干净的旁白片段，然后直接进入剪辑。
Maya Reyes
有声书旁白
Seed Audio 1.0 一次生成就把片头人声和铺底音乐一起做好。我做一期周更节目的周转时间，从一个下午缩短到大约二十分钟。
Deon Carter
播客制作人
我们用一个脚本安排多个角色，一次生成就能得到含对白、房间氛围和音乐铺底的广播剧草稿。
Kaito Tanaka
独立游戏工作室
引导课程出来既平静又自然，柔和的氛围声融合在同一次渲染里。一小段参考音就能让每节课听起来都像同一位温柔的引导者。
Lena Hoffmann
冥想内容创作者
传入一段参考人声，比单靠文字描述更容易控制音色和表达方式。
Sofia Marin
本地化负责人
我一个下午就把 API 接进了我的应用。文本加一段参考音传进去，成品音频就出来，再也不用拼接单独的 TTS、音乐和音效管线了。
Ari Patel
独立开发者
引导课程出来既平静又自然，柔和的氛围声融合在同一次渲染里。一小段参考音就能让每节课听起来都像同一位温柔的引导者。
Lena Hoffmann
冥想内容创作者
传入一段参考人声，比单靠文字描述更容易控制音色和表达方式。
Sofia Marin
本地化负责人
我一个下午就把 API 接进了我的应用。文本加一段参考音传进去，成品音频就出来，再也不用拼接单独的 TTS、音乐和音效管线了。
Ari Patel
独立开发者
引导课程出来既平静又自然，柔和的氛围声融合在同一次渲染里。一小段参考音就能让每节课听起来都像同一位温柔的引导者。
Lena Hoffmann
冥想内容创作者
传入一段参考人声，比单靠文字描述更容易控制音色和表达方式。
Sofia Marin
本地化负责人
我一个下午就把 API 接进了我的应用。文本加一段参考音传进去，成品音频就出来，再也不用拼接单独的 TTS、音乐和音效管线了。
Ari Patel
独立开发者
新一代 AI 音频模型
什么是 Seed Audio 1.0？认识 Doubao-Seed-Audio 1.0 模型
Seed Audio 1.0（也写作 Doubao-Seed-Audio 1.0 或 Seed-Audio 1.0）是字节跳动研发、通过火山引擎发布的音频生成模型。它支持从文本、最多三段参考音频或一张参考图片进行基于参考的生成。
语音、多角色对白、音乐、音效与环境声，Seed Audio 都能从一句提示词中生成，也可以加入参考输入来表达文字难以描述的声音细节。
创作者为何青睐 Seed Audio 1.0
模型家族
Doubao-Seed-Audio 1.0
输入方式
文本、音频或图片
参考生成
人声与氛围声
声音一致性
音频或图片
一句提示词
人声 · 音乐 · 音效
输出格式
MP3、WAV、Opus、PCM
Seed Audio 1.0 对比传统 TTS
Seed Audio 1.0 与传统文本转语音引擎相比如何？下面逐项来看，基于参考、场景级的音频生成比单纯照着脚本念多出了哪些能力。
Seed Audio 1.0传统 TTS
输入模态
文本、音频或图片
仅文本
多角色对白
支持，一句提示词完成
不支持
声音控制
音色、语速、音量、音调
有限
音乐 + 音效 + 氛围声
一次生成
需拼多个工具
基于参考音生成
支持
不支持
非语言表达
笑声、叹息、停顿
有限
参考图片输入
支持
不支持
输出格式
MP3、WAV、Opus、PCM
不一定
零样本，免训练
支持
不支持
免费额度
有
无
简而言之，传统引擎照着脚本念，而 Seed Audio 1.0 生来就是为了产出一个场景：一次生成中囊括人声、情绪、音乐与环境声。
年付立省 50%
选择订阅套餐
基础版
适合个人用户和轻度使用者
$15.00$7.50/月
年付总计 $90.00
省 50%包含
- 300 积分/月
- 约 60 条 Seed Audio 1.0 / 月
- Seed Audio 1.0 与 Seed Speech TTS v2 均可使用
- 一段样本即可克隆任意声音
- 含完整商用授权
- 优先生成队列
Seed Audio 1.0$0.125/clip
Seed Speech TTS v2$0.050/clip
最受欢迎
专业版
适合专业创作者和团队
$39.00$19.50/月
年付总计 $234.00
省 50%包含
- 1600 积分/月
- 约 320 条 Seed Audio 1.0 / 月
- Seed Audio 1.0 与 Seed Speech TTS v2 均可使用
- 一段样本即可克隆任意声音
- 含完整商用授权
- 优先生成队列
Seed Audio 1.0$0.061/clip
Seed Speech TTS v2$0.024/clip
旗舰版
为大型企业和专业工作室设计
$160.00$80.00/月
年付总计 $960.00
省 50%包含
- 9200 积分/月
- 约 1840 条 Seed Audio 1.0 / 月
- Seed Audio 1.0 与 Seed Speech TTS v2 均可使用
- 一段样本即可克隆任意声音
- 含完整商用授权
- 优先生成队列
Seed Audio 1.0$0.043/clip
Seed Speech TTS v2$0.017/clip
随时取消，7 天退款窗口。需要帮助？ support@seedaudio1.com
关于 Seed Audio 1.0 的常见问题
关于 Doubao-Seed-Audio 1.0 模型、如何使用以及它的独特之处，你需要知道的一切。
Seed Audio 1.0(Doubao-Seed-Audio 1.0)是字节跳动推出的音频生成模型，能把文本提示词、最多三段参考音频或一张参考图片端到端地转成完整音频：语音、对白、音乐与音效。
立即开始用 Seed Audio 1.0 创作
让你的音频创意成真：语音、人声、音乐与音效，全都源自一句提示词。免费试用 Seed Audio 1.0，听你的脚本变成一段可以分享给任何人的成品音频。