Seed Audio 1.0:文字+圖像轉音訊

上傳角色圖像並輸入文字提示,即可生成音訊。模型會根據圖像推斷聲線,並產生語音、環境音、背景音樂與音效。

關於

此工作流程會將單張角色圖片與一段文字提示詞,轉換為已混音完成的音訊片段,包含語音、環境音、背景音樂以及音效。核心是 ByteDanceSeedAudio 節點(Seed Audio 1.0):它接收來自 LoadImage 的圖片作為視覺參考,以推導相符的聲線身分,接著合成提示詞中描述的口白腳本與配套聲音層。輸出會透過 SaveAudioAdvanced 儲存,因此你離開 ComfyUI 時就能拿到可分享的音訊檔。

您提供的內容

  • 正在讀取工作流程

在 ComfyUI 中執行。 此工作流程無法在此頁面上執行。請在已載入所有內容的 Comfy Cloud 中開啟,或下載到您自己的 ComfyUI。

在 Cloud 中試用
輸出
範例Sample output
Sample output

問答