Seed Audio 1.0: текст + изображение в аудио
Загрузите изображение персонажа и введите текстовый промпт для генерации аудио. Модель берёт голос из изображения, затем создаёт речь, атмосферу, фоновую музыку и звуковые эффекты.
О проекте
Этот Рабочий процесс превращает одно изображение персонажа и текстовый промпт в полностью сведённый аудиоклип с речью, атмосферой, фоновой музыкой и звуковыми эффектами. В центре — нода ByteDanceSeedAudio (Seed Audio 1.0): она принимает изображение из LoadImage как визуальный референс, чтобы вывести подходящую вокальную идентичность, затем синтезирует произносимый текст и сопутствующие слои, описанные в промпте. Выход сохраняется через SaveAudioAdvanced, так что вы получаете готовый к публикации аудиофайл прямо из ComfyUI.
Что вы предоставляете
- Чтение рабочего процесса
Работает в ComfyUI. Этот рабочий процесс нельзя запустить на этой странице. Откройте его в Comfy Cloud, где всё уже загружено, или скачайте его для своей ComfyUI.
Попробовать в CloudВопросы и ответы
Изображение задаёт условия для модели, чтобы она вывела подходящую вокальную идентичность персонажа (например, тембр и стилевые подсказки). Для более стабильного и повторяемого результата используйте чистый портрет с одним объектом, хорошим светом и минимальными перекрытиями.
Контролируйте это через текстовый промпт — указывайте настроение, инструменты, интенсивность и размещение (например: тихая подложка пианино, далёкий гром, спокойная атмосфера кафе). Модель выдаёт один сведённый трек; отдельные стемы в этом рабочем процессе не предусмотрены.
Оставляйте то же изображение и промпт, а если у ноды есть параметр seed, зафиксируйте его, чтобы воспроизвести дубль. Чтобы получить альтернативы, меняйте seed или делайте небольшие правки промпта (темп, эмоция, стиль музыки) и запускайте снова.
Зависит от сборки ноды ByteDanceSeedAudio. Некоторые варианты требуют API-учётные данные или дополнительную установку модели. Откройте ноду, проверьте поля/подсказки и следуйте заметкам по установке расширения перед запуском графа.