Guía de prompts
Cómo escribir prompts para Seed Audio
Cómo escribir prompts para Seed Audio: un inicio rápido, una plantilla para rellenar y consejos avanzados para voces, diálogos cronometrados, voces guardadas, música de fondo y efectos de sonido.
Inicio rápido
Tu primer gran prompt para Seed Audio
Todo lo que un principiante necesita en un minuto: qué debes saber primero, las reglas más importantes, una plantilla para rellenar y prompts para copiar.
Qué debes saber primero
Seed Audio no es un conversor de texto a voz: crea toda una escena sonora a partir de un prompt, con voces, diálogos, música y efectos a la vez. Escribe el lugar y lo que se oye allí, luego cada voz como una nota de casting y después las palabras exactas entre comillas. El clip dura exactamente lo que elijas en los ajustes, así que escribe lo justo para llenarlo: lo que se pase se corta al final.
Las reglas más importantes
Prepara la escena antes de las palabras
Empieza por el lugar y su sonido: un andén bajo la lluvia, un estadio rugiendo, un estudio en silencio. Solo se pronuncian las palabras entre comillas; todo lo demás es dirección.
Describe cada voz una sola vez, por completo
La primera vez que alguien habla, indica su género, edad, acento, timbre, emoción y ritmo: Leo (un hombre de unos cuarenta años, voz grave y rasposa, cansado, lento). Después, basta con el nombre y una breve nota de interpretación.
Escribe según la duración que elijas
Elige primero la duración. El inglés hablado va a unas 2,5 palabras por segundo, así que un clip corto da para una frase corta. Si hay demasiadas palabras, se cortan a media palabra; si hay muy pocas, queda silencio al final.
Escribe el prompt en el idioma de los diálogos
Una escena en español necesita un prompt en español, desde la descripción hasta los diálogos. Mezclar un prompt en inglés con diálogos en otro idioma confunde la interpretación.
Genera varias tomas
Cada generación es una interpretación nueva, incluso con la misma seed. Genera una frase dos o tres veces y quédate con la mejor.
Rellena esta plantilla
Sustituye cada parte entre corchetes por tu propia idea y omite las que no necesites.
[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].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]Dónde estamos y qué se oye allí: una lavandería a medianoche, secadoras retumbando, un fluorescente zumbando.[instruments, mood, and how it moves]Un contrabajo lento y una batería con escobillas, suaves y perezosos. Omite la frase entera si no quieres música.[Name]Quién habla. El nombre es una indicación y nunca se pronuncia.[gender, age, accent, timbre, emotion, pace]Una nota de casting: una mujer de unos treinta años, leve acento irlandés, voz ronca, divertida, sin prisa.[how they say it]La interpretación: dice en voz baja, grita desde el otro lado de la sala, susurra.[the exact words]La frase exactamente como debe pronunciarse, ajustada a la duración del clip.[How it ends]Cómo suena el último segundo: la música se desvanece, se cierra una puerta, la lluvia sigue cayendo.
Prompts para empezar
Un narrador sobre un ambiente sonoro
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.Por qué funciona: Primero va la escena, la voz es una nota de casting y el canto de los pájaros continúa para que el clip termine con sonido y no con un corte. Una duración de 10 segundos le va bien.
Dos voces, cronometradas al segundo
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.Por qué funciona: Cada línea empieza con su propia ventana de tiempo, ajustada a sus palabras, con una breve pausa entre los hablantes y un segundo de silencio al final. Fija la duración en 10 segundos.
Una base musical sin voz
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.Por qué funciona: Decir «sin voz» al principio y otra vez en la mezcla final mantiene la pieza instrumental, y las secciones suman los 30 segundos definidos en los ajustes.
Efectos de sonido, sin música
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.Por qué funciona: Cada sonido tiene una fuente concreta y un lugar en el tiempo, y la última línea descarta lo que no quieres.
Una voz limpia para guardar en un Character
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."Por qué funciona: Un solo hablante, sin fondo y con palabras desde el primer instante: el mejor tipo de clip para guardar como voz y dársela a un Character. Fija la duración en 10 segundos.
Una voz a partir de una imagen
The old fisherman in the picture says warmly, a little amused, unhurried: "Well, look who finally showed up."Por qué funciona: Sube un retrato como Imagen y Seed Audio diseña una voz que encaje con el rostro, así que el prompt solo necesita la interpretación y las palabras. Una duración de 5 segundos da para una frase corta.
Avanzado
Prompts avanzados para Seed Audio
Técnicas para tener más control cuando ya domines lo básico.
Estructura: escribe una escena de radio
Un prompt completo de Seed Audio tiene cinco partes, en este orden: el entorno (el lugar, el clima, la situación); la música de fondo y los efectos de sonido; lo que hacen los personajes; cada voz; y las palabras exactas.
Escríbelo como una sola escena en orden cronológico, como un guion de radioteatro: primero el ambiente y la música de apertura, luego cada línea con su hablante, su voz y su interpretación, con los efectos colocados donde ocurren, y por último cómo termina: la música crece, se desvanece o se corta, o el ambiente continúa hasta el último segundo.
- Describe una voz por completo la primera vez; después usa el nombre y una breve nota de interpretación: «Maya, ahora más suave:».
- Solo se pronuncian las palabras entre comillas. Los nombres, las notas de voz y la descripción de la escena nunca se leen en voz alta.
- Dale a cada hablante de una conversación un nombre y una nota de voz. Los hablantes sin etiqueta intercambian voces.
- Mantén el prompt por debajo de unos 3.000 caracteres.
Una escena de batalla corta
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.Por qué funciona: Primero van el lugar, la música y los efectos, cada hablante recibe una nota de casting, el estruendo cae entre las líneas y la última frase indica cómo termina el clip.
Cómo describir una voz
Escribe una voz como una nota de casting: género y edad, acento, timbre, emoción y ritmo. Añade un tratamiento cuando la voz llegue a través de algo: una televisión, una radio, un teléfono.
Muestra la emoción mediante cómo se dice la línea, no solo nombrándola: «con suavidad, esforzándose por mantener la compostura» y «sus palabras se aceleran a medida que entra en pánico» transmiten más que «triste» y «asustado».
| Escribe | Qué hace |
|---|---|
raspy, low, gravelly | Una voz áspera y profunda: curtida, cansada o dura. |
clear, bright, crystalline | Una voz limpia, aguda y cristalina. |
deep and resonant | Una voz plena y retumbante, con peso en el pecho. |
rapid, soaring, full-throated | Emocionada, fuerte y rápida, como la narración de un partido en directo. |
as if from a television, with slight reverberation | La voz sale de un televisor que hay en la habitación. |
as if over a walkie-talkie | Una voz de radio, estrecha y crepitante. |
a mechanical quality | Un matiz robótico o sintético sobre una voz humana. |
whispered close to the microphone | Un susurro íntimo y entrecortado. |
Cómo cronometrar el diálogo al segundo
Para situar una línea en el tiempo, pon su ventana al principio de las palabras entre comillas, en segundos con un decimal: "[5.5s:8.0s] ¡Maya! Espera, ¿de verdad te vas esta noche?" Cronometra todas las líneas de diálogo; la música y los efectos siguen el orden de la escena.
Ajusta cada ventana a sus palabras. El inglés natural va a unas 2,5 palabras por segundo, así que una frase de 10 palabras necesita unos 4 segundos; una interpretación emocionada va más rápido y una solemne, más lento.
- Deja entre 0,3 y 0,6 segundos entre hablantes para que los turnos suenen naturales.
- Termina la última línea al menos medio segundo antes del final del clip, para que el desvanecimiento final caiga sobre el silencio o el ambiente.
- Mantén todos los tiempos dentro de la duración del clip. Nunca escribas una ventana para todo el clip, como "[0.0s:10.0s]": Mage ya añade una.
- El tiempo es preciso en el diálogo. Los tiempos en una base musical son una guía, no una promesa.
Bases musicales y efectos de sonido
Para música sin voz, dilo al principio y otra vez al final, y organiza la pieza en secciones: "Genera solo música de fondo y efectos de sonido puros. Sin voz, sin diálogo, sin narración, sin letra." Después, el estilo, los instrumentos, los efectos, la duración, las secciones con sus tiempos y una línea de mezcla final. Haz que las secciones sumen la duración que fijaste.
Nombra los instrumentos y cómo cambia la música con el tiempo, no solo un género: «tambores de guerra profundos y metales graves, con los tambores acelerándose mientras se alza un coro», «se reduce a un clarinete solitario que se desvanece en el silencio».
- Pide música original de un género y un ambiente, nunca una canción o un tema conocido: "Crea solo música original."
- Dale a cada efecto su fuente y su sonido: «una espada se desliza de vuelta en su vaina con un seco shhhk», «unas cadenas caen en el polvo con un fuerte estrépito». Una palabra de sonido con su fuente se interpreta como sonido, no como habla.
- Describe el espacio además de los sonidos: «los pasos resuenan en una sala de piedra», «un baño pequeño de azulejos», «dentro de un estadio enorme, con el rugido del público de fondo todo el tiempo».
Voces e imágenes guardadas
Menciona un clip de voz guardado con su @handle y indica tres cosas: qué generar, con qué voz y para qué sirve el clip, por ejemplo su timbre, acento o emoción. Describe también la voz con palabras junto al handle: Marcus (una voz de locutor suave y segura; la voz de @marcus-voice), animado:.
O sube una imagen de una persona o de una criatura como Imagen, y Seed Audio diseña una voz que le encaje. No se pueden usar una imagen y clips de voz guardados en la misma generación.
- Un buen clip de voz tiene un solo hablante, sin música ni ruido, y con habla desde el primer segundo.
- Para mantener la misma voz de una toma a otra, reutiliza el mismo clip guardado. Una descripción por sí sola cambia de una ejecución a otra.
- Escribe el handle, nunca el nombre de un espacio como "@Audio1". Cualquier @ seguida de letras debe ser una voz que hayas guardado; si no, la generación se detiene antes de cobrarse nada.
- En Seed Audio no se pueden mencionar Characters, porque admite voces, no rostros. Menciona en su lugar el clip de voz que guardaste para ellos.
Dos voces guardadas en una entrevista callejera
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.Por qué funciona: Cada voz guardada tiene nombre, una descripción con palabras y un hablante asignado, y las líneas con tiempos llenan el clip con una pausa breve entre turnos. Sustituye los handles por tus propias voces guardadas y ajusta la duración a 30 segundos.
Voces y sonido para vídeo
Para dar voz a un Character de vídeo, genera aquí una línea limpia (grabación de estudio, sin música ni fondo), guárdala y adjúntala al Character o consérvala como Reference de voz. Después menciona al Character en un modelo de vídeo con voces, como Cherry. Los modelos de vídeo pueden conservar solo los primeros segundos de un clip de voz, así que haz que el clip hable desde el primer instante.
Para ajustarte a un clip que ya tienes, mide su duración, elige la siguiente duración superior, sincroniza las líneas con la imagen y recorta el resultado en un editor.
- Para una escena larga, genera una parte cada vez con las mismas voces guardadas en cada una y únelas después.
Speech Rate, Pitch Rate y Loudness Rate
Speech Rate, Pitch Rate y Loudness Rate cambian todo el clip, todas las voces a la vez. Describe con palabras el ritmo y el tono de cada hablante, y usa estos ajustes solo para un retoque global, como una lectura algo más rápida de un guion terminado.
El ajuste Seed no repite un resultado: cada ejecución es una toma nueva.
Idiomas
Seed Audio habla inglés, chino, japonés, coreano, español de México, español de España, indonesio, alemán, portugués de Brasil, francés, tailandés, vietnamita, malayo, filipino, italiano, ruso, neerlandés, polaco, turco y sueco. Una misma voz puede pasar de un idioma a otro.
Escribe todo el prompt en el idioma de las líneas, incluida la descripción de la escena, e indica el acento que quieres en la nota de voz.
Errores comunes
Evita esto, haz esto en su lugar
Evita: Solo las palabras, cuando quieres una escena.
Welcome back to the show.En su lugar: El lugar, el sonido y la voz, y luego las palabras.
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."Evita: Un clip de voz limpio sin instrucciones.
Mara says: "I grew up on this coast."En su lugar: Indica que es una grabación limpia.
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."Evita: Un guion más largo que el clip.
En su lugar: Menos palabras o una duración mayor.
Evita: Una ventana de tiempo para todo el clip, como "[0.0s:10.0s]".
En su lugar: Ventanas solo en cada línea. Mage añade la del clip completo.
Evita: "@Audio1" o una voz guardada sin descripción.
En su lugar: El @handle de la voz, con la voz descrita a su lado.
Evita: Hablantes sin nombre en una conversación.
En su lugar: Un nombre y una nota de voz para cada hablante.
Evita: Un prompt en inglés con líneas en francés.
En su lugar: Todo el prompt en francés.
Evita: "El tema de una película famosa."
En su lugar: Música original de ese género y ambiente.
Preguntas frecuentes
Preguntas sobre prompts para Seed Audio
¿Qué longitud debe tener un prompt de Seed Audio?
¿Cómo mantengo la misma voz en varios clips de Seed Audio?
¿Puede Seed Audio crear música sin voces?
¿Por qué mi clip de Seed Audio se corta a mitad de palabra?
¿Cómo sincronizo el diálogo en Seed Audio?
¿Qué idiomas habla Seed Audio?
¿Puede Seed Audio dar voz a una imagen?
Guía de prompts
Más guías de prompts
Cómo escribir prompts para Eleven Music
Guía de prompts de Eleven Music: cómo crear música con IA de ElevenLabs indicando género, ambiente, instrumentos, tempo y época, con letras, loops y ejemplos de canciones.
Cómo escribir prompts para Eleven Speech
Guía de prompts de Eleven Speech: cómo dirigir ElevenLabs v4 con etiquetas de audio como [whispers] y [laughs], pausas, pronunciación y ejemplos de locución.
Cómo escribir prompts para Anima
Cómo escribir prompts para Anima en Mage: orden de etiquetas Danbooru, etiquetas de clasificación, pesos fuertes, paréntesis escapados y ejemplos de prompts de Anima para personajes y escenas con IA.
Cómo escribir prompts para Chroma
Guía de prompts de Chroma: cómo escribir prompts para Chroma con un solo párrafo al estilo de un pie de foto, usar su prompt negativo, ajustar los pasos y la guía, y copiar ejemplos de prompts de Chroma.
Cómo escribir prompts para Flux 2
Guía de prompts de Flux 2: cómo escribir prompts para Flux 2 Dev con el sujeto al principio, prompts en JSON, colores hex exactos y ediciones con varias imágenes, con ejemplos.
Cómo escribir prompts para GPT Image 2
Guía de prompts de GPT Image 2: cómo escribir prompts para GPT Image 2.5 Flare y Sunburst y lograr texto exacto, ediciones precisas y personajes consistentes, con ejemplos.
Crea tu primer audio con Seed Audio
Las cuentas nuevas reciben 300 Gems gratis, suficientes para probar Seed Audio. Sin instalar nada y sin tarjeta de crédito.
Prueba Seed Audio