Seed Audio 1.0: نص + صورة إلى صوت
ارفع صورة لشخصية واكتب مطالبة نصية لتوليد صوت. يستنتج النموذج الصوت من صورتك، ثم ينتج كلامًا وأجواءً وموسيقى خلفية ومؤثرات صوتية.
حول
يحوّل هذا سير العمل صورة شخصية واحدة ومطالبة نصية إلى مقطع صوتي ممزوج بالكامل يتضمن كلامًا وأجواءً وموسيقى خلفية ومؤثرات صوتية. يتمحور حول عقدة ByteDanceSeedAudio (Seed Audio 1.0)، التي تستقبل صورتك من LoadImage كمرجع بصري لاشتقاق هوية صوتية مناسبة، ثم تُركّب النص المنطوق والطبقات الداعمة الموصوفة في مطالبتك. يتم حفظ الناتج عبر SaveAudioAdvanced لتخرج من ComfyUI بملف صوتي جاهز للمشاركة.
ما تقدّمه
- جارٍ قراءة سير العمل
يعمل في ComfyUI. لا يمكن تشغيل سير العمل هذا على هذه الصفحة. افتحه في Comfy Cloud مع تحميل كل شيء، أو نزّله لاستخدامه في ComfyUI الخاص بك.
جرّبه في Cloudالأسئلة والأجوبة
توجّه الصورة النموذج ليستنتج هوية صوتية مناسبة للشخصية (مثل الجرس وإشارات الأسلوب). استخدم بورتريه واضح بموضوع واحد وإضاءة جيدة وبدون حجب كبير للحصول على نتائج أكثر استقرارًا واتساقًا.
تحكم بها عبر المطالبة النصية—كن واضحًا حول المزاج والآلات والشدة والموضع (مثل: خلفية بيانو خفيفة، رعد بعيد، أجواء مقهى هادئة). يخرج النموذج مسارًا واحدًا ممزوجًا؛ لا يوفر هذا سير العمل stems منفصلة.
استخدم الصورة والمطالبة نفسيهما، وإذا كانت العقدة توفر seed فثبّته لإعادة إنتاج نفس التسجيل. لاستكشاف بدائل، غيّر seed أو قم بتعديلات صغيرة على المطالبة (السرعة، العاطفة، أسلوب الموسيقى) ثم أعد التشغيل.
يعتمد ذلك على نسخة عقدة ByteDanceSeedAudio لديك. بعض النسخ تتطلب بيانات اعتماد API أو إعداد نموذج إضافي. افتح العقدة وتحقق من الحقول/التلميحات واتبع ملاحظات تثبيت الإضافة قبل تشغيل الرسم البياني.