Seed Speech
每 1,000 个字符 $0.034 起
ByteDance 的自然发声文字转语音模型,支持可选的声音选择。写好脚本,为你的视频配上旁白。
当你点名要求时,Craze 会运行 Seed Speech。
Seed Speech擅长什么
零样本声音克隆
Craze 的接口不接受上传参考音频。
流畅、对话式的演绎
模型读起来像一个人在说话,而不是系统在背诵文本。
多语言,毫无阻碍
Seed Speech 可以处理语言切换。
精简项目的高性价比之选
Seed Speech 的定价对预算紧张或脚本很长的创作者很友好。
导演。创作。剪辑。
别再写提示词,开始当导演。
Craze 与你一起碰撞创意、做调研、做规划。
创作有品位的内容。
Craze 能生成你能想象的一切。视频、音频、音乐、动态图形等等。
几分钟剪好视频,而不是几天。
Craze 会看完你的素材并剪出成片。如有需要,还有真正的编辑器。
制作人们愿意看的视频
- UGC 视频
- 动态图形
- 故事长片
- 产品可视化
- 微短剧
- 3D 影片
- 音乐视频
- 品牌影片
- 婚礼精彩集锦
- YouTube 测评
Seed Speech与其他模型对比
这里的每个模型都可在所有 Craze 套餐(包括 Free)中使用,而且 Craze 可以为每个镜头使用不同的模型。
| Seed SpeechByteDance Seed | ElevenLabs v4ElevenLabs | Gemini 3.8 Flash TTSGoogle DeepMind | Gemini 3.8 Flash Lite TTSGoogle DeepMind | |
|---|---|---|---|---|
| 生成 | 文字生音频 | 文字生音频 | 文字生音频 | 文字生音频 |
| 起价 | 每 1,000 个字符 $0.034 | 每 1,000 个字符 $0.089 | 每 1,000 个字符 $0.050 | 每 1,000 个字符 $0.034 |
Craze 上的 Seed Speech规格
| 任务 | 输入 | 分辨率 | 画面比例 | 声音 |
|---|---|---|---|---|
| 文字转语音 | 文字提示词 | 跟随源素材 | 跟随输入 | 无 |
常见问题
Seed Speech 是 ByteDance 的文字转语音模型,针对自然、对话式的旁白进行了优化。在 Craze 上,它会用可选的声音 ID 朗读你的脚本。
创作者选择 Seed Speech 的理由
Seed Speech 把自然度放在处理步骤之前。写好脚本,可选择一个声音,然后生成旁白。
零样本声音克隆
Craze 的接口不接受上传参考音频。如果你有声音 ID,就使用它;也可以不指定声音,直接根据文本生成语音。
流畅、对话式的演绎
模型读起来像一个人在说话,而不是系统在背诵文本。语调、节奏和时间都自然流畅。这对于教育内容、访谈和故事讲述尤其有价值,因为平淡的朗读会让观众出戏。
多语言,毫无阻碍
Seed Speech 可以处理语言切换。在可用时,用同一个选定的声音 ID 朗读英语和西班牙语脚本。
精简项目的高性价比之选
Seed Speech 的定价对预算紧张或脚本很长的创作者很友好。按字符计算的费率很有竞争力,使它适合长达一小时的有声书或文档。
如何在 Craze 中使用 Seed Speech
- 编写或粘贴你的旁白脚本。
- 可以选择一个声音 ID;此接口不接受上传参考音频。
- 在聊天中指明 Seed Speech,或在“模型”面板中选择它。
- Craze 生成旁白并放入你的项目,如果想要不同的版本,你可以修剪、调整时间或重新生成。
Seed Speech 价格
价格从每 1,000 个字符 $0.034 起,并随脚本长度变化。在生成前,使用本页的计算器查看总费用。
Seed Speech 适合谁
纪录片和教育内容
在纪录片和教学视频中,自然度就是一切。Seed Speech 以合理的每分钟费用提供清晰、引人入胜的旁白。
有声书和播客制作
制作长篇音频旁白的创作者可以受益于 Seed Speech 的对话式演绎和较低的每字符费用。只需几次生成就能朗读整本书,而不会超出预算。
多语言项目和全球覆盖
如果你的项目涉及多种语言,Seed Speech 可以用选定的声音 ID 朗读每种语言的脚本。
预算有限的角色创作
为角色驱动的短片或游戏对白,用不同的声音 ID 分别生成台词。
Seed Speech 与其他模型的比较
Alibaba 的 Qwen Audio 3.0 TTS 通过标签提供细粒度的情绪控制。Seed Speech 注重声音选择和对话式演绎,适合旁白。
如需富有表现力的英语旁白,Gemini 3.1 Flash TTS 提供导演式提示词。MiniMax Speech 2.8 HD 包含笑声和叹气等非语音声音。Seed Audio 1.0 接受音频或图片作为语音的参考素材。
声音克隆的限制和最佳做法
Seed Speech 接受可选的声音 ID 和最多 5,000 个字符的文本。文字转语音接口不接受录音作为参考输入。
如需不同的声音,请选择另一个可用的声音 ID。如果想要不同的演绎,请重新生成同一个脚本。
脚本长度和生成限制
在 Craze 上,Seed Speech 每次生成最多处理 5,000 个字符的脚本。如果需要更长的内容,请将其拆分成多个部分,并在你的时间线上组合。
如需其他语言的旁白,请提交该语言的文本,并检查生成结果的口音。需要时,你可以选择另一个可用的声音 ID。
多语言声音适配
Seed Speech 支持多语言文字转语音。对于国际营销活动,请分别生成每个翻译后的脚本,并在可用时选择合适的声音 ID。
Seed Speech 最适合的场景
Seed Speech 适合需要文本旁白并可选择声音的创作者。写好脚本,需要时选择一个声音 ID,然后生成。对于游戏对白、动画或教育内容,请分别生成台词,并在剪辑中编排。



















