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 中試用範例
問答
圖像會讓模型推斷角色適合的聲音特徵(如音色、風格)。建議用乾淨、單一主體、光線良好的正面人像,效果最穩定。
可在文字提示中明確描述氛圍、樂器、強度與位置(如「柔和鋼琴、遠方雷聲、安靜咖啡廳環境」)。本流程輸出為單一混音檔,不會分軌。
保持圖像與提示詞不變,若節點有 seed 參數,固定即可重現同一版本。要探索不同版本,可改變 seed 或微調提示詞(如語速、情緒、音樂風格)再重跑。
視 ByteDanceSeedAudio 節點版本而定,有些需 API 憑證或額外模型設定。請開啟節點檢查欄位與說明,並依擴充安裝說明設定後再執行流程。
相關工作流程
- Z-Image-Turbo
1.1 入門-文字轉圖像
- Z-Image-Turbo
2.1 Creator-擴散基礎
- Nano Banana 2 Text-to-Image
3x3 Contact Sheet
- 合作夥伴節點
AI on the Lot 2026 - Z-Image Turbo - t2i
- 合作夥伴節點
Anima Base v1:文字轉圖像
- Chroma
Chroma1 Radiance 文生圖
- Chroma, Flux
Chroma: 文生圖
- Flux, Flux.1
Flux.1 [專業版]:文生圖
- Flux, Flux.1 Krea Dev
Flux.1 Krea Dev
- Flux.1, Flux
Flux.1 Schnell FP8
- Flux.1, Flux
Flux.1 Schnell Full: 文生圖
- Flux.1, Flux
Flux.1 開發專用 fp8: 文生圖