Zum Inhalt springen
AnmeldenKostenlos registrieren

Prompt-Guide

So promptest du Seed Audio

So schreibst du Prompts für Seed Audio: ein Schnellstart, eine Vorlage zum Ausfüllen und Profi-Tipps für Stimmen, getimte Dialoge, gespeicherte Stimmen, Musikteppiche und Soundeffekte.

Seed Audio testenSeed Audio Modellseite

Schnellstart

Dein erster guter Seed Audio-Prompt

Alles, was Einsteiger in einer Minute brauchen: was du zuerst wissen solltest, die wichtigsten Regeln, eine Vorlage zum Ausfüllen und Prompts zum Kopieren.

Das solltest du zuerst wissen

Seed Audio ist keine Text-to-Speech: Es erzeugt aus einem Prompt eine ganze Klangszene mit Stimmen, Dialogen, Musik und Effekten zusammen. Schreib den Ort und was man dort hört, dann jede Stimme wie eine Besetzungsnotiz, dann die genauen Worte in Anführungszeichen. Der Clip ist genau so lang, wie du es in den Einstellungen festlegst. Schreib also genug, um ihn zu füllen, und nicht mehr: Was zu lang ist, wird am Ende abgeschnitten.

Die wichtigsten Regeln

  1. Bau erst die Szene, dann die Worte

    Beginne mit dem Ort und seinem Klang: ein regnerischer Bahnsteig, ein tosendes Stadion, ein ruhiges Studio. Nur die Worte in Anführungszeichen werden gesprochen; alles andere ist Regieanweisung.

  2. Beschreibe jede Stimme einmal, aber vollständig

    Wenn jemand zum ersten Mal spricht, gib Geschlecht, Alter, Akzent, Klangfarbe, Emotion und Tempo an: Leo (Mann in den Vierzigern, tief und rau, müde, langsam). Danach reichen der Name und ein kurzer Hinweis zum Vortrag.

  3. Schreib passend zur gewählten Länge

    Wähle zuerst die Dauer. Gesprochenes Englisch hat etwa 2,5 Wörter pro Sekunde, ein kurzer Clip fasst also nur eine kurze Zeile. Bei zu vielen Wörtern wird mitten im Wort abgeschnitten, bei zu wenigen bleibt am Ende Stille.

  4. Schreib den Prompt in der Sprache der Dialogzeilen

    Eine spanische Szene bekommt einen spanischen Prompt, von der Beschreibung bis zum Dialog. Ein englischer Prompt mit Zeilen in einer anderen Sprache bringt den Vortrag durcheinander.

  5. Erzeuge mehrere Takes

    Jeder Durchlauf ist eine neue Darbietung, selbst mit demselben Seed. Lass eine Zeile zwei- bis dreimal laufen und behalte die beste.

Fülle diese Vorlage aus

Ersetze jeden Teil in eckigen Klammern durch deine eigene Idee und lass weg, was du nicht brauchst.

Vorlage
[Place and ambience]. Background music: [instruments, mood, and how it moves]. [Name] ([gender, age, accent, timbre, emotion, pace]) [how they say it]: "[the exact words]" [How it ends].
Die ausgefüllte Vorlage
A laundromat at midnight, dryers thumping, a fluorescent light buzzing overhead. Background music: a slow upright bass and brushed drums, low and lazy. Nora (a woman in her thirties, soft Irish accent, husky, amused, unhurried) says under her breath: "Third sock this week. Somebody in here is a thief." A dryer buzzer sounds and the music fades out.
  • [Place and ambience] Wo wir sind und was wir dort hören: ein Waschsalon um Mitternacht, dumpf polternde Trockner, eine summende Neonröhre.
  • [instruments, mood, and how it moves] Ein langsamer Kontrabass und Besenschlagzeug, tief und gemächlich. Lass den ganzen Satz weg, wenn du keine Musik willst.
  • [Name] Wer spricht. Der Name ist eine Regieanweisung und wird nie gesprochen.
  • [gender, age, accent, timbre, emotion, pace] Ein Casting-Hinweis: Frau in den Dreißigern, leichter irischer Akzent, rauchig, amüsiert, gelassen.
  • [how they say it] Der Vortrag: sagt leise vor sich hin, ruft quer durch den Raum, flüstert.
  • [the exact words] Die Zeile genau so, wie sie gesprochen werden soll, passend zur Länge des Clips.
  • [How it ends] Wie die letzte Sekunde klingt: Die Musik blendet aus, eine Tür fällt zu, der Regen geht weiter.

Prompts als Ausgangspunkt

  • Ein Erzähler über einer Geräuschkulisse

    A quiet forest at dawn, birdsong slowly building, a stream running somewhere close. A narrator (a man in his sixties, standard British accent, warm and slightly gravelly, unhurried) says softly: "Every spring, the river remembers its way back to the sea." The birdsong continues to the end.

    Warum das funktioniert: Die Szene kommt zuerst, die Stimme ist ein Casting-Hinweis, und der Vogelgesang geht weiter, damit der Clip mit Klang statt mit einem Schnitt endet. Eine Dauer von 10 Sekunden passt dazu.

  • Zwei Stimmen, sekundengenau getaktet

    A small radio studio late at night, the hum of equipment, rain against the window. Theo (a man in his late twenties, bright, quick, a little nervous) says: "[0.3s:3.2s] Okay, we're live. Say hi to everyone." June (a woman in her fifties, low, smoky, completely calm, slow) answers: "[3.8s:8.6s] Good evening, night owls. Pour something warm and stay a while." A soft jingle chimes; the rain continues to the end.

    Warum das funktioniert: Jede Zeile beginnt mit ihrem eigenen Zeitfenster, passend zur Wortzahl, mit einer kurzen Pause zwischen den Sprechenden und einer ruhigen Sekunde am Ende. Stell die Dauer auf 10 Sekunden.

  • Ein Musikteppich ohne Stimme

    Generate pure background music and sound effects only. No voice, no dialogue, no narration, no lyrics.
Style: warm, hopeful acoustic folk for a travel video. Create original music only.
Background music: fingerpicked acoustic guitar, soft hand claps, a gentle upright piano, a light shaker.
Sound effects: a car door closing, gravel under tires, wind on an open road. Keep effects clear but balanced under the music.
Duration: about 30 seconds.
Structure:
[0:00-0:08] Guitar alone, light and curious; a car door closes.
[0:08-0:20] Piano and shaker join, gravel under the tires, the tempo lifts.
[0:20-0:27] The full band with hand claps, wind rushing past.
[0:27-0:30] The music settles on one ringing guitar chord.
Final mix: No vocals or spoken words. Bright and open, ready to sit under a travel montage.

    Warum das funktioniert: Wenn du am Anfang und im finalen Mix noch einmal „keine Stimme“ sagst, bleibt es instrumental, und die Abschnitte ergeben zusammen die 30 Sekunden aus den Einstellungen.

  • Soundeffekte, keine Musik

    Inside a blacksmith's forge at night. The bellows wheeze and the coals roar up bright; a hammer rings on hot iron in a steady rhythm, three strikes and a pause, then the blade hisses as it plunges into a bucket of water and steam bursts up. Rain drums on the tin roof throughout. No music, no voices.

    Warum das funktioniert: Jedes Geräusch hat eine konkrete Quelle und einen festen Zeitpunkt, und die letzte Zeile schließt aus, was du nicht willst.

  • Eine saubere Stimme, die du für einen Character speicherst

    Clean, close-miked studio voice recording. No music, no background sound, no effects. Mara (a woman in her early thirties, standard American accent, low, warm, slightly husky, calm and assured) says at an even pace: "[0.2s:8.8s] I grew up on this coast. The tide always tells you something, if you are patient enough to listen."

    Warum das funktioniert: Eine sprechende Person, kein Hintergrund und Worte von der ersten Sekunde an: der ideale Clip, um ihn als Stimme zu speichern und einem Character zu geben. Stell die Dauer auf 10 Sekunden.

  • Eine Stimme aus einem Bild

    The old fisherman in the picture says warmly, a little amused, unhurried: "Well, look who finally showed up."

    Warum das funktioniert: Lade ein Porträt als Bild hoch, und Seed Audio entwirft eine Stimme, die zum Gesicht passt. Im Prompt brauchst du also nur den Vortrag und die Worte. Eine Dauer von 5 Sekunden passt für eine kurze Zeile.

Fortgeschritten

Fortgeschrittenes Prompting mit Seed Audio

Techniken für mehr Kontrolle, sobald die Grundlagen sitzen.

Aufbau: ein Hörspiel schreiben

Ein vollständiger Seed-Audio-Prompt besteht aus fünf Teilen in dieser Reihenfolge: die Umgebung (Ort, Wetter, Situation), die Hintergrundmusik und die Soundeffekte, was die Figuren tun, jede einzelne Stimme und die genauen Worte.

Schreib ihn als eine Szene in zeitlicher Reihenfolge, wie ein Hörspielskript: zuerst Geräuschkulisse und Musik zu Beginn, dann jede Zeile mit Sprecher, Stimme und Vortrag, die Effekte dort, wo sie passieren, und zum Schluss das Ende: Die Musik schwillt an, blendet aus oder bricht ab, oder die Geräuschkulisse geht bis zur letzten Sekunde weiter.

  • Beschreibe eine Stimme beim ersten Mal ausführlich und nutze danach den Namen mit einem kurzen Hinweis zum Vortrag: „Maya, jetzt leiser:“.
  • Nur die Worte in Anführungszeichen werden gesprochen. Namen, Stimmhinweise und Szenenbeschreibungen werden nie vorgelesen.
  • Gib jeder sprechenden Person in einem Gespräch einen Namen und einen Stimmhinweis. Ohne Zuordnung vertauschen die Stimmen.
  • Halte den Prompt unter etwa 3.000 Zeichen.

Eine kurze Kampfszene

A burning harbor at night, flames crackling, a ship's bell clanging wildly, waves slapping the stone quay. Background music: pounding low drums and a single horn, rising in tension. Captain Rhea (a woman in her forties, Scottish accent, hoarse and commanding, shouting over the noise) calls out: "Cut the lines! Every ship that can still float, get it out of the harbor!" A beam cracks and crashes into the water. Finn (a boy of about fourteen, high voice, terrified but trying to sound brave) answers: "Aye, Captain!" The drums break off and only the fire remains.

Warum das funktioniert: Ort, Musik und Effekte kommen zuerst, jede sprechende Person bekommt einen Casting-Hinweis, der Knall fällt zwischen die Zeilen, und der letzte Satz beschreibt, wie der Clip endet.

Eine Stimme beschreiben

Beschreibe eine Stimme wie einen Casting-Hinweis: Geschlecht und Alter, Akzent, Klangfarbe, Emotion und Tempo. Füge eine Klangbearbeitung hinzu, wenn die Stimme aus einem Gerät kommt: Fernseher, Radio, Telefon.

Zeig Emotionen durch die Art des Vortrags, nicht nur durch ihren Namen: „leise, bemüht, die Fassung zu wahren“ und „die Worte werden vor Panik immer schneller“ sagen mehr als „traurig“ und „ängstlich“.

SchreibeWas es bewirkt
raspy, low, gravellyEine raue, tiefe Stimme: gezeichnet, müde oder hart.
clear, bright, crystallineEine klare, hohe, helle Stimme.
deep and resonantEine volle, dröhnende Stimme mit Gewicht in der Brust.
rapid, soaring, full-throatedAufgeregt, laut und schnell, wie bei einer Live-Sportreportage.
as if from a television, with slight reverberationDie Stimme kommt aus einem Fernseher im Raum.
as if over a walkie-talkieEine knisternde, schmale Radiostimme.
a mechanical qualityEin roboterhafter oder synthetischer Beiklang in einer menschlichen Stimme.
whispered close to the microphoneEin intimes, hauchiges Flüstern.

Dialog sekundengenau takten

Um eine Zeile zeitlich zu platzieren, setz ihr Zeitfenster an den Anfang der Worte in Anführungszeichen, in Sekunden mit einer Dezimalstelle: „[5.5s:8.0s] Maya! Warte, du gehst wirklich heute Nacht?“ Takte jede Dialogzeile; Musik und Effekte folgen der Reihenfolge der Szene.

Bemiss jedes Zeitfenster nach seinen Worten. Natürliches Englisch hat etwa 2,5 Wörter pro Sekunde, eine Zeile mit 10 Wörtern braucht also etwa 4 Sekunden; aufgeregter Vortrag ist schneller, ernster langsamer.

  • Lass zwischen den Sprechenden 0,3 bis 0,6 Sekunden Pause, damit der Sprecherwechsel natürlich klingt.
  • Beende die letzte Zeile mindestens eine halbe Sekunde vor dem Ende des Clips, damit die Schlussblende auf Stille oder Geräuschkulisse fällt.
  • Halte jede Zeitangabe innerhalb der Länge des Clips. Schreib nie ein Zeitfenster für den ganzen Clip, etwa „[0.0s:10.0s]“: Mage fügt schon eines hinzu.
  • Beim Dialog ist das Timing präzise. Zeitangaben in einem Musikteppich sind ein Richtwert, kein Versprechen.

Musikteppiche und Soundeffekte

Bei Musik ohne Stimme sagst du das am Anfang und am Ende noch einmal und gliederst das Stück in Abschnitte: „Generate pure background music and sound effects only. No voice, no dialogue, no narration, no lyrics.“ Dann folgen Stil, Instrumente, Effekte, Dauer, die Abschnitte mit ihren Zeiten und eine Zeile zum finalen Mix. Die Abschnitte sollten zusammen die eingestellte Dauer ergeben.

Nenne Instrumente und wie sich die Musik im Lauf der Zeit verändert, nicht nur ein Genre: „tiefe Kriegstrommeln und tiefes Blech, die Trommeln werden schneller, während ein Chor anschwillt“, „sie dünnt zu einer einzelnen Klarinette aus, die in Stille verklingt“.

  • Bitte um Originalmusik in einem Genre und einer Stimmung, nie um einen bekannten Song oder ein bekanntes Thema: „Create original music only.“
  • Gib jedem Effekt seine Quelle und seinen Klang: „ein Schwert gleitet mit einem scharfen Schhhk zurück in die Scheide“, „Ketten fallen mit schwerem Klirren in den Staub“. Ein Lautwort mit seiner Quelle wird als Geräusch gelesen, nicht als Sprache.
  • Beschreibe neben den Geräuschen auch den Raum: „Schritte hallen in einer Steinhalle“, „ein kleines gefliestes Badezimmer“, „in einem riesigen Stadion, das Brüllen der Menge die ganze Zeit über“.

Gespeicherte Stimmen und Bilder

Erwähne einen gespeicherten Stimm-Clip über seinen @handle und sag drei Dinge: was erzeugt werden soll, mit welcher Stimme und wofür der Clip gedacht ist, zum Beispiel Klangfarbe, Akzent oder Emotion. Beschreibe die Stimme zusätzlich in Worten neben dem Handle: Marcus (eine weiche, selbstsichere Sprecherstimme; die Stimme von @marcus-voice), gut gelaunt:.

Oder lade ein Bild von einer Person oder einem Wesen als Bild hoch, und Seed Audio entwirft eine passende Stimme dazu. Ein Bild und gespeicherte Stimm-Clips können nicht in derselben Generierung verwendet werden.

  • Ein guter Stimm-Clip hat nur eine sprechende Person, keine Musik und keine Geräusche, und es wird gleich ab der ersten Sekunde gesprochen.
  • Dieselbe Stimme in jedem Take bekommst du, wenn du immer denselben gespeicherten Clip verwendest. Eine Beschreibung allein driftet von Durchgang zu Durchgang.
  • Schreib den Handle, nie einen Platzhalternamen wie „@Audio1“. Jedes @ mit Buchstaben dahinter muss eine von dir gespeicherte Stimme sein, sonst bricht die Generierung ab, bevor etwas berechnet wird.
  • Characters können in Seed Audio nicht erwähnt werden, denn es arbeitet mit Stimmen, nicht mit Gesichtern. Erwähne stattdessen den Stimm-Clip, den du für sie gespeichert hast.

Zwei gespeicherte Stimmen in einem Straßeninterview

Busy city sidewalk at lunchtime: passing cars, chatter, a light breeze. Marcus (a smooth, confident broadcaster voice, warm and playful; the voice of @marcus-voice), upbeat, says: "[0.5s:4.5s] Quick question: what's the best advice you've ever ignored?" Tyler (a younger man, a little nervous, expressive; the voice of @tyler-voice) laughs, then sighs: "[5.2s:12.5s] Oh, easy. My dad told me never to buy a used boat. I now own two used boats." Marcus bursts out laughing: "[13.2s:14.4s] Two?" Tyler, defeated: "[15.0s:21.5s] Two. Neither one floats. I keep them in the driveway as a warning to others." Marcus, to his listeners: "[22.2s:27.0s] And that, folks, is why we listen to our dads." Both laugh; the street noise swells and fades out.

Warum das funktioniert: Jede gespeicherte Stimme hat einen Namen, wird in Worten beschrieben und ist einer sprechenden Person zugeordnet. Die getimten Zeilen füllen den Clip mit einer kurzen Pause zwischen den Redebeiträgen. Ersetze die Handles durch deine eigenen gespeicherten Stimmen und stell die Dauer auf 30 Sekunden.

Stimmen und Sound für Videos

Um einem Video-Character eine Stimme zu geben, erzeuge hier eine saubere Sprachzeile (Studioaufnahme, keine Musik, kein Hintergrund), speichere sie und hänge sie an den Character oder behalte sie als Stimm-Reference. Erwähne den Character dann in einem Videomodell mit Stimmen, zum Beispiel Cherry. Videomodelle behalten von einem Stimm-Clip möglicherweise nur die ersten Sekunden, also sorg dafür, dass der Clip von der ersten Sekunde an spricht.

Um einen bereits vorhandenen Clip zu treffen, miss seine Länge, wähle die nächsthöhere Dauer, timee die Zeilen passend zum Bild und kürze das Ergebnis in einem Editor.

  • Erzeuge eine lange Szene Teil für Teil, jeweils mit denselben gespeicherten Stimmen, und füge die Teile danach zusammen.

Speech Rate, Pitch Rate und Loudness Rate

Speech Rate, Pitch Rate und Loudness Rate verändern den gesamten Clip, alle Stimmen auf einmal. Lege Tempo und Tonhöhe jeder sprechenden Person lieber in Worten fest und nutze die Einstellungen nur für einen globalen Feinschliff, etwa für eine etwas schnellere Lesung eines fertigen Skripts.

Die Einstellung Seed wiederholt kein Ergebnis: Jeder Durchgang ist ein neuer Take.

Sprachen

Seed Audio spricht Englisch, Chinesisch, Japanisch, Koreanisch, mexikanisches Spanisch, kastilisches Spanisch, Indonesisch, Deutsch, brasilianisches Portugiesisch, Französisch, Thai, Vietnamesisch, Malaiisch, Filipino, Italienisch, Russisch, Niederländisch, Polnisch, Türkisch und Schwedisch. Eine Stimme kann über Sprachen hinweg erhalten bleiben.

Schreib den ganzen Prompt in der Sprache der Zeilen, auch die Szenenbeschreibung, und nenne den gewünschten Akzent in der Stimmnotiz.

Häufige Fehler

Das besser vermeiden, stattdessen so

  • Vermeiden: Nur die Worte, wenn du eine Szene willst.

    Welcome back to the show.

    Besser: Der Ort, der Klang und die Stimme, dann die Worte.

    A late-night talk show studio, a live audience settling down, a house band finishing a riff. The host (a man in his fifties, warm, polished, a little mischievous) says: "Welcome back to the show."

  • Vermeiden: Ein sauberer Stimm-Clip ohne Anweisungen.

    Mara says: "I grew up on this coast."

    Besser: Sag dazu, dass es eine saubere Aufnahme ist.

    Clean, close-miked studio voice recording. No music, no background sound, no effects. Mara (a woman in her early thirties, low and warm) says: "I grew up on this coast."

  • Vermeiden: Ein Skript, das länger ist als der Clip.

    Besser: Weniger Worte oder eine längere Dauer.

  • Vermeiden: Ein Zeitfenster für den ganzen Clip, etwa „[0.0s:10.0s]“.

    Besser: Zeitfenster nur für einzelne Zeilen. Das für den ganzen Clip ergänzt Mage.

  • Vermeiden: „@Audio1“ oder eine gespeicherte Stimme ohne Beschreibung.

    Besser: Der @handle der Stimme, mit der Beschreibung der Stimme daneben.

  • Vermeiden: Sprechende Personen ohne Namen in einem Gespräch.

    Besser: Ein Name und eine Stimmnotiz für jede sprechende Person.

  • Vermeiden: Ein englischer Prompt mit französischen Zeilen.

    Besser: Der ganze Prompt auf Französisch.

  • Vermeiden: „Das Thema aus einem berühmten Film.“

    Besser: Originalmusik in diesem Genre und dieser Stimmung.

FAQ

Fragen zum Prompten mit Seed Audio

Wie lang sollte ein Seed-Audio-Prompt sein?
Gerade lang genug, um die gewählte Dauer zu füllen, und nicht länger. Für Sprache rechnest du mit etwa 2,5 Wörtern pro Sekunde; dazu kommen Ort, Musik und Stimmnotizen. Der gesamte Prompt sollte unter etwa 3.000 Zeichen bleiben.
Wie behalte ich in Seed-Audio-Clips dieselbe Stimme?
Speichere eine saubere Aufnahme der Stimme und erwähne ihren @handle in jedem Prompt, mit der Beschreibung der Stimme in Worten daneben. Eine Beschreibung allein driftet von Take zu Take.
Kann Seed Audio Musik ohne Gesang erzeugen?
Ja. Beginne mit „Generate pure background music and sound effects only. No voice, no dialogue, no narration, no lyrics.“, beschreibe die Instrumente und Abschnitte und schließe mit „Final mix: No vocals or spoken words.“
Warum wird mein Seed-Audio-Clip mitten im Wort abgeschnitten?
Der Clip hat immer genau die eingestellte Dauer, und alles danach wird abgeschnitten. Nimm weniger Worte, wähle eine längere Dauer oder timee die Zeilen so, dass die letzte eine halbe Sekunde vor dem Ende aufhört.
Wie timee ich Dialoge in Seed Audio?
Beginne jede Zeile in Anführungszeichen mit ihrem Zeitfenster in Sekunden, etwa „[3.5s:8.0s] Ich muss los.“, bemessen auf etwa 2,5 Wörter pro Sekunde, mit einer kurzen Pause zwischen den sprechenden Personen.
Welche Sprachen spricht Seed Audio?
Zwanzig, darunter Englisch, Chinesisch, Japanisch, Koreanisch, Spanisch, Portugiesisch, Französisch, Deutsch, Italienisch und Russisch. Schreib den ganzen Prompt in der Sprache der Zeilen.
Kann Seed Audio einem Bild eine Stimme geben?
Ja. Lade ein Bild von einer Person oder einem Wesen als Bild hoch und schreib nur den Vortrag und die Worte. Ein Bild kann in derselben Generierung nicht mit gespeicherten Stimm-Clips kombiniert werden.

Erstelle dein erstes Audio mit Seed Audio

Neue Konten erhalten 300 kostenlose Gems, genug, um Seed Audio auszuprobieren. Keine Installation, keine Kreditkarte.

Seed Audio testen