Seed Audio 1.0: Texto + Imagen a Audio

Sube una imagen de personaje y escribe un prompt de texto para generar audio. El modelo deriva la voz a partir de tu imagen y luego produce voz, ambiente, música de fondo y efectos de sonido.

Acerca de

Este flujo de trabajo convierte una imagen de personaje y un prompt de texto en un clip de audio completamente mezclado con voz, ambiente, música de fondo y efectos de sonido. El nodo central es ByteDanceSeedAudio (Seed Audio 1.0), que acepta tu imagen desde LoadImage como referencia visual para derivar una identidad vocal coincidente, y luego sintetiza el guion hablado y las capas de soporte descritas en tu prompt. La salida se guarda con SaveAudioAdvanced, así que sales de ComfyUI con un archivo de audio listo para compartir.

Lo que proporcionas

  • Leyendo el flujo de trabajo

Se ejecuta en ComfyUI. Este flujo de trabajo no puede ejecutarse en esta página. Ábrelo en Comfy Cloud con todo cargado o descárgalo para tu propio ComfyUI.

Probar en Cloud
Salida
EjemploSample output
Sample output

Preguntas y respuestas