Skip to main content

Panduan prompt Seed Audio 1.0

Seed Audio 1.0.
Satu prompt, satu adegan audio siap tayang.

Panduan prompt Seed Audio 1.0 ini membahas model teks ke audio dari ByteDance. Beri naskah, model akan membacakannya. Beri arahan adegan ("drama radio penuh ketegangan di tengah malam"), model akan menggarap semuanya: suara, tempo, dan suasana. Ada 20 preset suara, kloning suara dari klip referensi, plus kontrol kecepatan, volume, dan pitch. Biayanya 0.1 kredit per detik audio yang dihasilkan.

Ringkasan

Seed Audio 1.0 punya dua mode. Memahami bedanya jadi kunci untuk bikin prompt yang tepat. Mode verbatim: masukkan kata-kata persis yang ingin dibacakan, apit naskah dengan tanda kutip, lalu model membacakannya dengan suara pilihanmu. Mode instruksi: jelaskan keinginanmu ("buat intro podcast penuh energi untuk acara tentang tool AI"), lalu model menulis dan membawakan semuanya, dari naskah, gaya bicara, sampai nuansa produksinya.

Ada tiga cara memilih suara. Pilih salah satu dari 20 preset berdasarkan namanya (kian_en_zh, vivi_mixed_en_zh_ja_es_id, monkey_king_zh…), biarkan pengaturan suara kosong agar model memilih yang pas dengan prompt, atau kloning suara dengan mengirim hingga tiga klip referensi lewat API dan merujuknya di prompt sebagai @Audio1 sampai @Audio3.

Biaya dihitung per detik audio jadi: 0.1 kredit per detik. Saat kamu mengirim prompt, sejumlah kredit ditahan berdasarkan panjang prompt, lalu disesuaikan dengan durasi audio yang sebenarnya setelah klip selesai. Kamu hanya membayar audio yang kamu dapat.

20

Preset suara

0.1 cr

Per detik audio jadi

3

Klip referensi untuk kloning

Fitur Utama

Mode instruksi

Pembuatan Adegan Audio

Fitur andalannya: cukup jelaskan adegan, tak perlu menulis naskah. Drama radio, intro podcast, iklan, meditasi terpandu, model menulis materinya, memilih suara, lalu membawakannya dengan tempo dan nada yang pas. Instruksi singkat bisa menghasilkan karya yang mengejutkan lengkapnya.

Atau biarkan model memilih

20 Preset Suara

Preset bernama tersedia dalam bahasa Inggris, Mandarin, Spanyol, Jepang, Indonesia, dan Portugis. Pilihannya mulai dari narator hangat (kian_en_zh), suara multibahasa serbaguna (vivi_mixed_en_zh_ja_es_id), sampai karakter seperti monkey_king_zh. Biarkan pengaturan suara kosong agar model memilih yang cocok dengan prompt.

Referensi @Audio1 · API

Kloning Suara

Kirim hingga tiga klip referensi (masing-masing 30s / 10MB, wav / mp3 / pcm / ogg) lewat audio_urls di API, lalu rujuk di prompt sebagai @Audio1, @Audio2, @Audio3. Model akan menghasilkan audio dengan suara referensi tersebut. Sebagai alternatif, satu gambar referensi (image_url) bisa mengarahkan nuansanya. Pilih salah satu, tidak bisa keduanya.

Kecepatan · volume · pitch

Kontrol Gaya Bicara

Kecepatan bisa diatur dari 0.5x sampai 2x, volume dari 0.5 sampai 2, dan pergeseran pitch ±12 semitone. Gunakan kecepatan untuk mengatur tempo (1.1x membuat pembacaan iklan lebih padat), pitch untuk membentuk karakter (-3 semitone membuat suara penjahat lebih berat), dan biarkan volume di 1 kecuali kamu perlu menyamakannya dengan audio yang sudah ada.

EN · ZH · ES · JA · ID · PT

Multibahasa + Alih Bahasa

Preset multibahasa bisa berganti bahasa di tengah kalimat tanpa mengubah identitas suara. Tulis bahasa-bahasanya langsung dalam prompt. Bahasa Inggris, Spanyol, dan Mandarin dalam satu baris akan terdengar natural dengan suara seperti vivi_mixed_en_zh_ja_es_id.

mp3 · wav · pcm · ogg

Kontrol Format

Pilih output mp3 (bawaan, ukuran terkecil), wav atau pcm (tanpa kompresi, untuk alur kerja editing), atau ogg_opus. Sample rate tersedia dari 8 kHz (nuansa sambungan telepon) sampai 48 kHz (produksi). Pengaturan bawaan 24 kHz pas untuk sebagian besar kebutuhan suara.

Contoh Audio

Tiap contoh menampilkan prompt persis yang dipakai untuk membuat hasilnya. Salin prompt mana pun dalam satu klik.

Drama Radio Menegangkan

Mode instruksi · suara dipilih otomatis

Generate a short suspense radio drama set in a late-night convenience store: a nervous clerk, a mysterious customer, rain against the windows, tense music sting at the end.

Murni mode instruksi, tanpa naskah. Sebutkan genre ("drama radio menegangkan"), latar, karakter, dan satu atau dua elemen produksi ("hujan menerpa jendela", "sisipan musik menegangkan"). Model akan menulis dan membawakan seluruh adegan.

Narasi Dokumenter

Mode verbatim · kian_en_zh

Read this in a warm, measured documentary narrator voice: "Every image begins as noise. In less than a second, a billion tiny decisions turn that noise into a photograph that never existed. This is the story of generative art."

Mode verbatim: naskah persisnya diapit tanda kutip, sementara arahan gaya bicara ("narator dokumenter yang hangat dan tenang") ditulis di luarnya. Padukan arahan itu dengan preset stabil seperti kian_en_zh agar pembacaan tetap konsisten di setiap take.

Intro Podcast

Mode instruksi · suara dipilih otomatis

Generate an energetic morning-show podcast intro: an upbeat host welcoming listeners to "The Creative Stack", teasing today's episode about AI image tools, with a short jingle feel.

Mode instruksi dengan nama khusus dalam tanda kutip. Nama acara, merek, dan tagline dalam tanda kutip tetap utuh, sementara model berimprovisasi untuk bagian lainnya. "Dengan nuansa jingle singkat" mengarahkan gaya produksinya.

Pembacaan Karakter

Mode verbatim · sophie_en_zh

Read this line as a mischievous fantasy villain, slow and theatrical: "You really thought a firewall could keep me out of the kingdom's archives?"

Arahan karakter bekerja seperti menyutradarai aktor: tentukan tipe karakter ("penjahat fantasi yang jahil"), lalu tambahkan dua arahan gaya bicara ("pelan dan teatrikal"). Geser pitch -2 atau -3 semitone agar terdengar lebih mengancam tanpa mengganti suaranya.

Iklan 20 Detik

Mode verbatim · mindy · kecepatan 1.1x

Read this as a bright 20-second ad spot: "PixelDojo puts seventy AI models in one studio. Images, video, and now audio. Start creating at pixeldojo.ai."

Pembacaan iklan butuh tempo. Menyebut formatnya ("iklan ceria berdurasi 20 detik") menentukan energi, lalu menaikkan kecepatan ke 1.1x membuatnya padat layaknya iklan siaran. URL dan nama merek terbaca jelas tanpa markup khusus.

Ganti Bahasa di Tengah Kalimat

Mode verbatim · vivi_mixed_en_zh_ja_es_id

Read this naturally, switching languages mid-sentence: "Welcome to the future of sound. Bienvenido al futuro del sonido. 欢迎来到声音的未来。"

Alih bahasa butuh preset multibahasa. vivi membawakan bahasa Inggris, Spanyol, dan Mandarin dalam satu tarikan napas dengan identitas suara yang sama. Tulis tiap bahasa langsung dalam naskah, persis seperti yang ingin diucapkan.

Tips Prompt

Tanda kutip menentukan mode

Teks di dalam tanda kutip ganda dibacakan persis kata demi kata. Semua yang di luarnya menjadi arahan. Tanpa tanda kutip, prompt dianggap sebagai instruksi dan model menulis naskahnya sendiri. Menggabungkan keduanya ("Bacakan ini sebagai X: '…'") adalah pola paling andal untuk mengontrol pembacaan.

Arahkan seperti menyutradarai aktor

Dua atau tiga kata arahan lebih efektif daripada satu paragraf deskripsi: "hangat dan tenang", "pelan dan teatrikal", "ceria dan cepat". Sebutkan tipe karakter, seperti narator, pembawa acara pagi, atau penjahat, untuk memberi pijakan pada keseluruhan penampilan.

Biar model pilih kalau kamu bingung

Membiarkan pengaturan suara kosong memang efektif. Model memilih suara yang cocok dengan materi. Ini paling penting di mode instruksi, karena model juga menulis naskahnya. Tetapkan preset tertentu saat kamu butuh suara yang sama di setiap take.

Kecepatan untuk tempo, pitch untuk karakter

Tak perlu mengatur tempo lewat prompt kalau kontrolnya bisa bekerja lebih baik: 1.1 sampai 1.2x untuk iklan yang padat, 0.9x untuk meditasi. Pitch ±2 sampai 3 semitone mengubah bobot karakter tanpa menghilangkan ciri suaranya. Pergeseran ±12 berarti satu oktaf penuh dan cepat membuat suara terdengar seperti kartun.

Hitung anggaran per detik

Dengan tarif 0.1 kredit per detik, klip 30 detik menghabiskan 3 kredit. Kredit yang ditahan di awal diperkirakan dari panjang prompt, lalu disesuaikan dengan durasi sebenarnya setelah selesai. Prompt instruksi yang menghasilkan adegan panjang akan dikenai tambahan, sementara kelebihan estimasi dikembalikan.

Referensi Pengaturan

PengaturanNilaiCatatan
promptup to 2,048 charsNaskah (dalam tanda kutip) atau instruksi adegan. Gunakan @Audio1 sampai @Audio3 untuk merujuk klip yang diunggah.
voicepreset name or cloned idKosongkan agar model memilih suara. Tersedia 20 preset dalam 6 bahasa.
audio_urlsup to 3 URLs (API)Masing-masing 30s / 10MB, wav / mp3 / pcm / ogg_opus. Tidak bisa digabung dengan image_url.
image_url1 URL (API)jpeg / png / webp hingga 10MB. Alternatif untuk referensi audio.
output_formatmp3 · wav · pcm · ogg_opusDefault mp3. Gunakan wav/pcm untuk alur kerja editing.
sample_rate8k–48k HzDefault 24,000 Hz, pas untuk sebagian besar kebutuhan suara.
speed0.5–2.01.0 normal. 1.1x membuat pembacaan iklan lebih padat.
volume0.5–2.0Biarkan di 1, kecuali perlu menyesuaikan dengan audio yang sudah ada.
pitch-12 to +12 semitones±2 sampai 3 untuk memberi bobot karakter suara; ±12 berarti satu oktaf penuh.
Biaya0.1 credits / secondKredit ditahan berdasarkan estimasi durasi dari panjang prompt, lalu tagihan disesuaikan dengan durasi output sebenarnya.

FAQ

Biayanya 0.1 kredit per detik audio jadi. Saat kamu mengirim prompt, kredit ditahan sesuai estimasi berdasarkan panjang prompt. Setelah klip selesai, biaya disesuaikan dengan durasi sebenarnya. Output lebih panjang akan dikenai selisih biaya, sedangkan output lebih pendek otomatis mendapat pengembalian selisihnya.