Guia de prompts
Como escrever prompts para o Seed Audio
Como escrever prompts no Seed Audio: um guia rápido, um modelo para preencher e dicas de especialista para vozes, diálogos cronometrados, vozes salvas, trilhas de fundo e efeitos sonoros.
Início rápido
Seu primeiro ótimo prompt no Seed Audio
Tudo o que você precisa para começar, em um minuto: o que saber antes, as regras mais importantes, um modelo para preencher e prompts para copiar.
O que saber antes
O Seed Audio não é um texto para fala: ele cria uma cena sonora completa a partir de um único prompt, com vozes, diálogos, música e efeitos juntos. Escreva o lugar e o que se ouve nele, depois cada voz como uma nota de escalação de elenco e, por fim, as palavras exatas entre aspas. O clipe tem exatamente a duração que você escolhe nas configurações, então escreva o suficiente para preenchê-la, e não mais: o que passar do tempo é cortado no final.
As regras mais importantes
Monte a cena antes das falas
Comece pelo lugar e pelo som dele: uma plataforma de trem na chuva, um estádio rugindo, um estúdio silencioso. Só as palavras entre aspas são faladas; todo o resto é direção.
Descreva cada voz uma vez, por completo
Na primeira vez que alguém fala, informe gênero, idade, sotaque, timbre, emoção e ritmo: Leo (um homem na casa dos quarenta, voz grave e rouca, cansado, devagar). Depois disso, basta o nome e uma breve nota de entrega.
Escreva de acordo com a duração escolhida
Escolha a duração primeiro. A fala em inglês tem cerca de 2,5 palavras por segundo, então um clipe curto comporta uma frase curta. Palavras demais são cortadas no meio; palavras de menos deixam silêncio no final.
Escreva o prompt no idioma das falas
Uma cena em espanhol pede um prompt em espanhol, da descrição ao diálogo. Misturar um prompt em inglês com falas em outro idioma atrapalha a interpretação.
Gere algumas takes
Cada geração é uma nova performance, mesmo com a mesma seed. Gere uma fala duas ou três vezes e fique com a melhor.
Preencha este modelo
Troque cada parte entre colchetes pela sua ideia e deixe de fora o que você não precisar.
[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]Onde estamos e o que se ouve lá: uma lavanderia à meia-noite, secadoras batendo, uma luz fluorescente zumbindo.[instruments, mood, and how it moves]Um contrabaixo acústico lento e bateria com vassourinhas, grave e preguiçosa. Deixe a frase toda de fora se não quiser música.[Name]Quem fala. O nome é só uma indicação e nunca é falado.[gender, age, accent, timbre, emotion, pace]Uma nota de elenco: uma mulher na casa dos trinta, leve sotaque irlandês, voz rouca, bem-humorada, sem pressa.[how they say it]A entrega: diz baixinho, chama do outro lado da sala, sussurra.[the exact words]A fala exatamente como deve ser dita, no tamanho certo para a duração do clipe.[How it ends]Como soa o último segundo: a música some aos poucos, uma porta se fecha, a chuva continua.
Prompts para começar
Um narrador sobre o som ambiente
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 que funciona: A cena vem primeiro, a voz é uma nota de elenco e o canto dos pássaros continua, para o clipe terminar em som e não num corte. Uma duração de 10 segundos funciona bem.
Duas vozes, cronometradas ao 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 que funciona: Cada fala começa com sua própria janela de tempo, ajustada ao número de palavras, com uma pequena pausa entre quem fala e um segundo de silêncio no final. Defina a duração como 10 segundos.
Uma trilha musical sem 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 que funciona: Dizer "sem voz" no início e de novo na mixagem final mantém tudo instrumental, e as seções somam os 30 segundos definidos nas configurações.
Efeitos sonoros, sem 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 que funciona: Cada som tem uma fonte concreta e um momento no tempo, e a última frase exclui o que você não quer.
Uma voz limpa para salvar em um 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 que funciona: Uma só pessoa falando, sem ruído de fundo e com palavras desde o primeiro instante: o melhor tipo de clipe para salvar como voz e dar a um Character. Defina a duração como 10 segundos.
Uma voz a partir de uma foto
The old fisherman in the picture says warmly, a little amused, unhurried: "Well, look who finally showed up."Por que funciona: Envie um retrato como Imagem e o Seed Audio cria uma voz que combina com o rosto, então o prompt só precisa da entrega e das palavras. Uma duração de 5 segundos comporta uma frase curta.
Avançado
Prompts avançados para o Seed Audio
Técnicas para ter mais controle depois de dominar o básico.
Estrutura: escreva uma cena de rádio
Um prompt completo do Seed Audio tem cinco partes, nesta ordem: o ambiente (o lugar, o clima, a situação); a música de fundo e os efeitos sonoros; o que os personagens estão fazendo; cada voz; e as palavras exatas.
Escreva como uma única cena em ordem cronológica, como um roteiro de radionovela: primeiro o som ambiente e a música de abertura, depois cada fala com quem fala, a voz e a entrega, com os efeitos colocados onde acontecem, e por fim como tudo termina: a música cresce, some aos poucos ou é cortada, ou o som ambiente continua até o último segundo.
- Descreva a voz por completo na primeira vez e depois use só o nome e uma breve nota de entrega: "Maya, mais suave agora:".
- Só as palavras entre aspas são faladas. Nomes, notas de voz e descrição da cena nunca são lidos em voz alta.
- Dê um nome e uma nota de voz a cada pessoa numa conversa. Quem não é identificado acaba trocando de voz.
- Mantenha o prompt abaixo de cerca de 3.000 caracteres.
Uma cena curta de batalha
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 que funciona: Lugar, música e efeitos vêm primeiro, cada pessoa recebe uma nota de elenco, o estrondo cai entre as falas e a última frase diz como o clipe termina.
Como descrever uma voz
Descreva a voz como uma nota de elenco: gênero e idade, sotaque, timbre, emoção e ritmo. Acrescente um tratamento quando a voz vier de algum meio: uma televisão, um rádio, um telefone.
Mostre a emoção pela forma como a fala é entregue, e não só nomeando-a: "baixinho, se forçando a manter a calma" e "as palavras acelerando conforme ele entra em pânico" dizem mais do que "triste" e "assustado".
| Escreva | O que faz |
|---|---|
raspy, low, gravelly | Uma voz áspera e grave: marcada pelo tempo, cansada ou durona. |
clear, bright, crystalline | Uma voz limpa, aguda e cristalina. |
deep and resonant | Uma voz cheia e estrondosa, com peso no peito. |
rapid, soaring, full-throated | Empolgada, alta e rápida, como uma narração esportiva ao vivo. |
as if from a television, with slight reverberation | A voz vem de uma TV no ambiente. |
as if over a walkie-talkie | Uma voz de rádio, chiada e estreita. |
a mechanical quality | Um toque robótico ou sintético numa voz humana. |
whispered close to the microphone | Um sussurro íntimo e ofegante. |
Diálogo cronometrado ao segundo
Para posicionar uma fala no tempo, coloque a janela dela antes das palavras entre aspas, em segundos com uma casa decimal: "[5.5s:8.0s] Maya! Espera, você vai embora mesmo hoje à noite?" Marque o tempo de todas as falas do diálogo; música e efeitos seguem a ordem da cena.
Ajuste cada janela ao tamanho das palavras. O inglês natural tem cerca de 2,5 palavras por segundo, então uma fala de 10 palavras precisa de uns 4 segundos; uma entrega empolgada é mais rápida e uma entrega séria, mais lenta.
- Deixe de 0,3 a 0,6 segundo entre quem fala, para a troca de falas soar natural.
- Termine a última fala pelo menos meio segundo antes do fim do clipe, para o fade final cair sobre o silêncio ou o som ambiente.
- Mantenha todos os tempos dentro da duração do clipe. Nunca escreva uma janela para o clipe inteiro, como "[0.0s:10.0s]": o Mage já adiciona uma.
- O tempo é preciso no diálogo. Os tempos numa trilha musical são uma referência, não uma garantia.
Trilhas musicais e efeitos sonoros
Para música sem voz, diga isso no início e de novo no final, e organize a peça em seções: "Gere apenas música de fundo e efeitos sonoros. Sem voz, sem diálogo, sem narração, sem letra." Depois venha o estilo, os instrumentos, os efeitos, a duração, as seções com seus tempos e uma linha de mixagem final. Faça as seções somarem a duração que você definiu.
Cite instrumentos e como a música muda ao longo do tempo, não só o gênero: "tambores de guerra graves e metais profundos, com os tambores acelerando enquanto um coro cresce", "ela vai se reduzindo a um clarinete solitário que se apaga no silêncio".
- Peça música original de um gênero e clima, nunca uma música ou tema conhecido: "Crie apenas música original."
- Dê a cada efeito sua fonte e seu som: "uma espada desliza de volta para a bainha com um shhhk seco", "correntes caem na poeira com um estrondo pesado". Uma palavra de som junto da sua fonte é lida como som, não como fala.
- Descreva o espaço além dos sons: "passos ecoam num salão de pedra", "um pequeno banheiro de azulejos", "dentro de um estádio enorme, com o rugido da torcida o tempo todo".
Vozes e imagens salvas
Mencione um clipe de voz salvo pelo @handle e diga três coisas: o que gerar, qual voz e para que serve o clipe, como timbre, sotaque ou emoção. Descreva também a voz com palavras ao lado do handle: Marcus (uma voz de locutor suave e confiante; a voz de @marcus-voice), animado:.
Ou envie uma imagem de uma pessoa ou de uma criatura como Imagem, e o Seed Audio cria uma voz que combine com ela. Não é possível usar uma imagem e clipes de voz salvos na mesma geração.
- Um bom clipe de voz tem apenas uma pessoa falando, sem música nem ruído, e com fala desde o primeiro segundo.
- Para manter a mesma voz de uma take para outra, reutilize o mesmo clipe salvo. Só a descrição varia de uma geração para outra.
- Escreva o handle, nunca o nome de um slot como "@Audio1". Qualquer @ seguido de letras precisa ser uma voz que você salvou, senão a geração para antes de qualquer cobrança.
- Não dá para mencionar Characters no Seed Audio, que usa vozes, não rostos. Mencione o clipe de voz que você salvou para eles.
Duas vozes salvas em uma entrevista de rua
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 que funciona: Cada voz salva recebe um nome, é descrita com palavras e vinculada a um falante, e as falas com tempo preenchem o clipe com uma pequena pausa entre as vezes de cada um. Troque os handles pelas suas próprias vozes salvas e defina a duração para 30 segundos.
Vozes e som para vídeo
Para dar voz a um Character de vídeo, gere aqui uma fala limpa (gravação de estúdio, sem música nem ruído de fundo), salve e anexe ao Character ou mantenha como References de voz. Depois, mencione o Character em um modelo de vídeo com vozes, como o Cherry. Os modelos de vídeo podem aproveitar só os primeiros segundos de um clipe de voz, então faça o clipe começar a falar logo no início.
Para ajustar a um clipe que você já tem, meça a duração dele, escolha a próxima duração acima, sincronize as falas com a imagem e corte o resultado em um editor.
- Para uma cena longa, gere uma parte de cada vez com as mesmas vozes salvas em todas e una as partes depois.
Speech Rate, Pitch Rate e Loudness Rate
Speech Rate, Pitch Rate e Loudness Rate alteram o clipe inteiro, todas as vozes de uma vez. Defina o ritmo e o tom de cada falante com palavras e use essas configurações só para um ajuste geral, como uma leitura um pouco mais rápida de um roteiro finalizado.
A configuração Seed não repete um resultado: cada geração é uma nova take.
Idiomas
O Seed Audio fala inglês, chinês, japonês, coreano, espanhol mexicano, espanhol castelhano, indonésio, alemão, português do Brasil, francês, tailandês, vietnamita, malaio, filipino, italiano, russo, holandês, polonês, turco e sueco. Uma mesma voz pode passar de um idioma para outro.
Escreva o prompt inteiro no idioma das falas, inclusive a descrição da cena, e indique o sotaque que você quer na nota da voz.
Erros comuns
Evite isto, faça isto
Evite: Só as palavras, quando você quer uma cena.
Welcome back to the show.Faça assim: O lugar, o som e a voz, depois as palavras.
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."Evite: Um clipe de voz limpo sem instruções.
Mara says: "I grew up on this coast."Faça assim: Diga que é uma gravação limpa.
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."Evite: Um roteiro mais longo que o clipe.
Faça assim: Menos palavras ou uma duração maior.
Evite: Uma janela de tempo para o clipe inteiro, como "[0.0s:10.0s]".
Faça assim: Janelas só para cada fala. O Mage adiciona a do clipe inteiro.
Evite: "@Audio1" ou uma voz salva sem descrição.
Faça assim: O @handle da voz, com a voz descrita ao lado.
Evite: Falantes sem nome em uma conversa.
Faça assim: Um nome e uma nota de voz para cada falante.
Evite: Um prompt em inglês com falas em francês.
Faça assim: O prompt inteiro em francês.
Evite: "O tema de um filme famoso."
Faça assim: Música original nesse gênero e clima.
Perguntas frequentes
Perguntas sobre prompts no Seed Audio
Qual deve ser o tamanho de um prompt do Seed Audio?
Como mantenho a mesma voz em vários clipes do Seed Audio?
O Seed Audio consegue criar música sem vocais?
Por que meu clipe do Seed Audio é cortado no meio de uma palavra?
Como sincronizo o tempo dos diálogos no Seed Audio?
Quais idiomas o Seed Audio fala?
O Seed Audio consegue dar voz a uma imagem?
Guia de prompts
Mais guias de prompts
Como escrever prompts para o Eleven Music
Guia de prompts do Eleven Music: como criar prompts para música com IA do ElevenLabs usando gênero, clima, instrumentos, andamento e época, além de letras, loops e exemplos de músicas.
Como escrever prompts para o Eleven Speech
Guia de prompts do Eleven Speech: como dirigir o ElevenLabs v4 com audio tags como [whispers] e [laughs], pausas, pronúncia e exemplos de locução.
Como escrever prompts para o Anima
Como escrever prompts para o Anima no Mage: ordem das tags do Danbooru, tags de classificação, pesos fortes, parênteses com escape e exemplos de prompts do Anima para personagens e cenas.
Como escrever prompts para o Chroma
Guia de prompts do Chroma: como escrever prompts para o Chroma com um parágrafo em estilo de legenda, usar o prompt negativo, ajustar steps e guidance e copiar exemplos de prompts do Chroma.
Como escrever prompts para o Flux 2
Guia de prompts do Flux 2: como escrever prompts para o Flux 2 Dev com ordem de palavras que começa pelo assunto, prompts em JSON, cores hex exatas e edições com várias imagens, com exemplos.
Como escrever prompts para o GPT Image 2
Guia de prompts do GPT Image 2: como escrever prompts para o GPT Image 2.5 Flare e Sunburst e obter texto exato, edições precisas e personagens consistentes, com exemplos.
Crie seu primeiro áudio com o Seed Audio
Contas novas ganham 300 Gems grátis, o suficiente para testar o Seed Audio. Sem instalação, sem cartão de crédito.
Testar o Seed Audio