Seed Audio 1.0: Texto + Imagem para Áudio
Envie uma imagem de personagem e escreva um prompt de texto para gerar áudio. O modelo deriva a voz da sua imagem e produz fala, ambiência, música de fundo e efeitos sonoros.
Sobre
Este fluxo transforma uma imagem de personagem e um prompt de texto em um clipe de áudio completo com fala, ambiência, música de fundo e efeitos sonoros. O núcleo é o ByteDanceSeedAudio (Seed Audio 1.0), que recebe sua imagem do LoadImage como referência visual para derivar uma identidade vocal correspondente e sintetiza o roteiro falado e as camadas de suporte descritas no prompt. A saída é salva com SaveAudioAdvanced, permitindo sair do ComfyUI com um arquivo de áudio pronto para compartilhar.
O que você fornece
- Lendo o fluxo de trabalho
É executado no ComfyUI. Este fluxo de trabalho não pode ser executado nesta página. Abra-o no Comfy Cloud com tudo carregado ou baixe-o para usar no seu próprio ComfyUI.
Experimentar no CloudPerguntas e respostas
A imagem condiciona o modelo a inferir uma identidade vocal adequada (ex: timbre e estilo) para o personagem. Use um retrato limpo, de um único sujeito, com boa iluminação e sem obstruções para resultados mais estáveis e consistentes.
O controle é feito via prompt de texto—seja explícito sobre clima, instrumentos, intensidade e posicionamento (ex: piano suave, trovão distante, ambiência de café). O modelo gera uma faixa única mixada; este fluxo não fornece stems separados.
Mantenha a mesma imagem e prompt, e se o nó expuser um parâmetro de seed, fixe-o para reproduzir uma tomada. Para explorar alternativas, altere o seed ou faça pequenas edições no prompt (ritmo, emoção, estilo musical) e reexecute.
Depende da sua versão do ByteDanceSeedAudio. Algumas variantes exigem credenciais de API ou configuração adicional de modelo. Abra o nó, confira os campos/dicas e siga as instruções de instalação da extensão antes de rodar o grafo.