Seed Audio 是什么
Seed Audio 是一个基于 ElevenLabs 基础设施构建的文本转语音和对话生成工具，通过 NanoPhoto 平台即可使用。该服务将书面脚本转换为 MP3 音频，提供两种主要模式：单人旁白和多人对话（可分配语音角色）。
[laughing]（笑声）、[whispering]（低语）、[sighs]（叹息）和 [short pause]（短暂停顿）等表演标签让用户能够精细控制表达风格。Natural（自然）、Warm（温暖）和 Cinematic（电影感）三种预设方向可针对不同类型内容（如解说视频、预告片、新手引导材料）调整语速和语气。
工作流程遵循"编写-导演-渲染-试听-下载"的循环，导出前可在浏览器中预览 MP3。输出内容可用于视频剪辑、播客草稿、广告样片和产品演示。
Seed Audio 如何工作
Seed Audio 通过由 ElevenLabs 文本转语音和文本转对话模型驱动的精简四步流程运作。用户首先编写源脚本——可以是单段旁白，也可以是多说话人场景中的两到四轮对话。接下来选择声音：在文本转语音模式下选择一位叙述者，或者在对话模式下为每一轮对话分配不同的角色声音。[warmly]（温暖地）、[curious]（好奇地）、[laughing]（笑着）、[whispering]（低语）、[sighs]（叹息）和 [short pause]（短暂停顿）等表演标签控制情感表达和节奏。最后，系统生成可在浏览器中播放的 MP3 预览，用户可以在下载前即时试听，用于视频剪辑、播客草稿、广告样片或产品演示。
Seed Audio 的优势
Seed Audio 将文本转语音和多说话人对话生成整合到由 ElevenLabs 驱动的单一浏览器工具中，无需在多个编辑器间切换。[laughing]、[whispering]、[sighs] 和 [short pause] 等表演标签可在 Natural、Warm 和 Cinematic 三种演绎风格中提供细致的情感控制，而逐轮语音分配功能则为播客、游戏原型和分镜演示创建可信的角色对话。紧密的编写-导演-渲染-聆听-下载循环可在数秒内生成可直接发布的 MP3，不过工作流仍局限于 ElevenLabs 的语音库，不支持自定义语音训练、API 访问或批处理，且 668 美元的年费定价高于随意试用的范畴。
Seed Audio 的优点和缺点
优点
- 将 TTS（文本转语音）和对话生成整合在一个工具中
- 性能标签控制情感和表达方式
- 多角色语音对话场景和话轮分配
- 快速生成 MP3 预览并在浏览器中下载
- 三种表达风格：Natural、Warm、Cinematic
缺点
- 需要 ElevenLabs 账户才能生成
- 基于信用点的定价模式限制了使用量
- 仅输出音频，不支持视频同步
- 未提及自定义语音克隆功能
- 仅支持网页版，无离线功能
