What is Seed Audio 1.0?
Create dialogue, expressive voices, ambience, music, and sound effects from text, image, or audio prompts with Seed Audio 1.0…
Seed Audio 1.0 是字节跳动 Seed 推出的多模态 AI 音频生成模型，可根据文本、图像或音频参考创建完整的声音场景。它能够在单条提示词中生成多角色对话、情绪化表达、地道口音、环境氛围、背景音乐以及拟真拟音效果。该平台专为较长音频场景设计，并支持分层音频输出，适用于电影、广告、播客、游戏、教育和 XR 原型等创意项目。
Seed Audio 1.0 is ByteDance Seed's multimodal AI audio generation model for building…
Prompts can describe speakers, timing, emotion, language, location, music direction, and sound events together. This…
Key features
支持根据文本、图像和音频参考生成多模态音频
支持带有情绪表达和口音控制的多角色对话
可同时生成环境音、背景音乐和拟真拟音效果
支持分层声音场景构成
支持较长生成场景中的音色连贯性
支持自定义输出设置，包括格式、采样率、速度、音量和音调
提供 Seed Audio 1.0 API，网页端和 API 共用积分
Frequently asked questions
Why upload an image to Seed Audio 1.0?
Seed Audio 1.0 can use it to infer and generate a voice that matches the visual character, such as vocal traits associated with appearance…
Why does my Seed Audio 1.0 generation fail?
Most failures come from input length or content policy issues: reference audio longer than 30 seconds, prompts with sexual, explicit, violent, or graphic content, or…
How to use
- 01
To use Seed Audio 1.0 online, write a sound-scene prompt…
Benefits and limitations
Benefits
- 在同一套工作流中融合对白、音乐、环境音和音效生成
- 支持文本、图像和音频上下文
- 提供情绪表达、口音和声音表现控制
- 支持多角色场景和音色连贯性
- 通过共享积分余额提供网页端和 API 访问
- 注册即可获得免费积分用于测试
Limitations
- 免费套餐仅包含 10 积分，每次生成时长约为 8 秒
- 每次生成最长限制为 2 分钟
- 较长或高频率的项目需要购买付费积分
- 要获得最佳效果，可能需要编写详细的声音场景提示词
- 所提供的信息未明确说明商业使用条款
Pricing and availability
注册赠送 10 个免费积分，每次生成时长约为 8 秒，单次最多生成 2 分钟音频，提供 API 访问权限和优先支持
每年 30,000 积分，总计最多约 400 分钟音频，支持上传参考音色、优先支持、单次最长生成 2 分钟，并提供 API 访问权限。按年计费时，页面显示的价格约为每月 16.66 美元。
每年 90,000 积分，总计最多约 1,200 分钟音频，包含专业版的全部功能、更大的制作缓冲额度、适合团队使用的用量，以及单次最长 2 分钟的生成时长和 API 访问权限。按年计费时，页面显示的价格约为每月 41.66 美元。
Prices and limits may change. Check the official website for current terms.
Official website & sources
Sources
Updated on 2026-10-21
