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 Cloud
Вывод
ПримерSample output
Sample output

Вопросы и ответы