跳至主要内容

提示词指南

如何为 Seed Audio 写提示词

Seed Audio 提示词怎么写:快速入门、可直接填写的模板,以及关于人声、定时对白、已保存声音、背景音乐和音效的进阶技巧。

快速上手

写出你的第一条优质 Seed Audio 提示词

新手一分钟就能掌握:先了解什么、最重要的规则、可直接填写的模板,以及可以复制的提示词。

先了解这些

Seed Audio 不是文字转语音:它能根据一条提示词生成完整的声音场景,人声、对白、音乐和音效一应俱全。先写地点和那里能听到的声音,再像写选角说明一样描述每个声音,最后把确切的台词放在引号里。片段时长就是你在设置中选定的长度,所以内容要写得刚好填满,不要多写:超出的部分会在结尾被截掉。

最重要的规则

  1. 先设定场景,再写台词

    从地点和它的声音写起:下雨的站台、喧闹的体育场、安静的录音棚。只有引号里的文字会被说出来,其余都是指示说明。

  2. 每个声音只描述一次,并描述完整

    角色第一次开口时,写清他的性别、年龄、口音、音色、情绪和语速:Leo(四十多岁的男人,声音低沉沙哑,疲惫,语速缓慢)。之后只需写名字和一句简短的说话方式提示即可。

  3. 按所选时长来写

    先选好时长。英语语速约为每秒 2.5 个单词,所以短片段只能放下一句短台词。字数太多,单词会被截断;字数太少,结尾会留下空白。

  4. 提示词要用台词所用的语言来写

    西班牙语场景就用西班牙语提示词,从场景描述到对白都是如此。英文提示词搭配其他语言的台词,会让演绎效果变得混乱。

  5. 多生成几个版本

    即使种子相同,每次生成也都是一次全新的演绎。同一句台词生成两三次,挑最好的留下。

填写这个模板

把方括号里的每一部分替换成你自己的创意,用不到的部分可以直接删掉。

模板
[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].
填写后的模板
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] 我们身在何处,又听到什么:午夜的自助洗衣店,烘干机咚咚作响,日光灯嗡嗡轻鸣。
  • [instruments, mood, and how it moves] 缓慢的立式贝斯加上刷子鼓点,低沉慵懒。如果不想要音乐,整句都不要写。
  • [Name] 说话的人是谁。名字只是说明,不会被念出来。
  • [gender, age, accent, timbre, emotion, pace] 选角说明:三十多岁的女人,带有柔和的爱尔兰口音,嗓音沙哑,带着笑意,不慌不忙。
  • [how they say it] 说话方式:低声嘟囔、隔着房间喊话、轻声耳语。
  • [the exact words] 完全按照要念出的样子写下这句台词,长度要与片段时长相匹配。
  • [How it ends] 最后一秒听起来是什么样:音乐渐弱、关门声、雨声依旧。

可参考的提示词

  • 环境音中的旁白

    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.

    为什么有效: 先写场景,声音用选角说明来描述,鸟鸣持续到最后,让片段在声音中结束,而不是戛然而止。时长选 10 秒正合适。

  • 两个声音,精确到秒

    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.

    为什么有效: 每句台词开头都有自己的时间窗口,长度与字数相称,说话人之间留有短暂的间隔,结尾还有安静的一秒。请把时长设为 10 秒。

  • 不带人声的背景音乐

    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.

    为什么有效: 在开头和最后的混音说明里都写上“无人声”,就能保证是纯器乐,各段落加起来正好是设置中的 30 秒。

  • 只有音效,没有音乐

    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.

    为什么有效: 每个声音都有明确的声源和出现的时间点,最后一句则排除掉你不想要的内容。

  • 保存给 Character 用的干净人声

    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."

    为什么有效: 只有一个说话人,没有背景声,从第一刻起就有台词:这是最适合保存为声音并赋予 Character 的片段。请把时长设为 10 秒。

  • 由图片生成声音

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

    为什么有效: 上传一张肖像作为图片,Seed Audio 会设计一个与面孔相配的声音,所以提示词里只需写说话方式和台词。5 秒时长适合一句短台词。

进阶

Seed Audio 进阶提示词技巧

掌握基础之后,用这些技巧获得更多控制。

结构:写一幕广播剧场景

完整的 Seed Audio 提示词包含五个部分,顺序如下:环境(地点、天气、情境);背景音乐和音效;角色正在做什么;每个人的声音;以及确切的台词。

按时间顺序把它写成一个场景,就像广播剧剧本:先是开场的环境音和音乐,然后是每句台词,标明说话人、声音和说话方式,音效放在发生的位置,最后写明结尾方式:音乐渐强、渐弱或戛然而止,或是环境音持续到最后一秒。

  • 第一次要完整描述声音,之后只用名字加一句简短的说话方式提示,例如“Maya,这次更轻柔:”。
  • 只有引号里的文字会被念出来。名字、声音说明和场景描述都不会被朗读。
  • 对话中的每个说话人都要有名字和声音说明。没有标注的说话人会互相串声。
  • 提示词请控制在约 3,000 个字符以内。

一段简短的战斗场景

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.

为什么有效: 先写地点、音乐和音效,每个说话人都有选角说明,撞击声落在台词之间,最后一句说明片段如何结束。

如何描述声音

像写选角说明一样描述声音:性别和年龄、口音、音色、情绪和语速。如果声音是通过某种媒介传出来的,比如电视、收音机或电话,还要加上相应的处理效果。

通过说话方式来表现情绪,而不只是点出情绪名称:“轻声说着,强迫自己保持镇定”和“他慌了,语速越来越快”,比“悲伤”和“害怕”传达的更多。

写法效果
raspy, low, gravelly粗糙低沉的声音:饱经沧桑、疲惫或强悍。
clear, bright, crystalline清澈、高亢、响亮的声音。
deep and resonant饱满洪亮、胸腔共鸣厚重的声音。
rapid, soaring, full-throated兴奋、响亮、语速快,像体育赛事的现场解说。
as if from a television, with slight reverberation声音来自房间里的电视。
as if over a walkie-talkie带沙沙杂音、频带狭窄的电台声音。
a mechanical quality人声中带有机器人般的合成感。
whispered close to the microphone亲密、带气声的低语。

让对白精确到秒

要把一句台词定位到某个时间点,请在引号内文字的开头加上时间窗口,单位为秒,保留一位小数:“[5.5s:8.0s] Maya!等等,你今晚真的要走吗?”每一句对白都要标注时间;音乐和音效则按场景的顺序出现。

窗口长度要与台词字数相称。自然的英语语速约为每秒 2.5 个单词,所以 10 个单词的台词大约需要 4 秒;兴奋的语气会更快,沉重的语气会更慢。

  • 说话人之间留出 0.3 到 0.6 秒的间隔,轮流发言才自然。
  • 最后一句台词至少要在片段结束前半秒结束,这样结尾的淡出落在静默或环境音上。
  • 所有时间都要在片段时长之内。不要写覆盖整个片段的窗口,例如“[0.0s:10.0s]”:Mage 已经自动添加了。
  • 对白的时间是精确的。背景音乐中的时间只是参考,并不保证。

背景音乐与音效

如果要生成不带人声的音乐,请在开头和结尾都说明,并把乐曲分成几个段落:“Generate pure background music and sound effects only. No voice, no dialogue, no narration, no lyrics.”然后依次写上风格、乐器、音效、时长、带时间的各段落,以及最后的混音说明。各段落加起来要等于你设置的时长。

要写出乐器和音乐随时间的变化,而不只是写流派:“低沉的战鼓和低音铜管,合唱团渐起,鼓点随之加快”“渐渐只剩一支单簧管,最后消失在寂静中”。

  • 请求指定流派和情绪的原创音乐,不要要求某首已有的歌曲或主题曲:“Create original music only.”
  • 为每个音效写明声源和声音:“剑滑回鞘中,发出清脆的 shhhk 声”“锁链落在尘土里,发出沉重的哐啷声”。拟声词配上声源,就会被当作声音,而不是台词。
  • 除了声音,也要描述空间:“脚步声在石厅里回响”“一间铺着瓷砖的小浴室”“在巨大的体育场内,观众的吼声此起彼伏”。

已保存的声音和图片

用 @handle 提及已保存的语音片段,并说明三件事:要生成什么、用哪个声音、这段声音的用途,比如音色、口音或情绪。也要在 handle 旁边用文字描述这个声音:Marcus(沉稳自信的播音员嗓音;声音取自 @marcus-voice),昂扬地:。

也可以上传一张人物或生物的图片作为图像,Seed Audio 会设计一个与之相配的声音。图片和已保存的语音片段不能用于同一次生成。

  • 好的语音片段只有一位说话人,没有音乐或杂音,并且从第一秒就开始说话。
  • 想让每一次生成的声音保持一致,就重复使用同一个已保存的片段。只靠描述,每次生成的声音会有偏差。
  • 请写 handle,不要写“@Audio1”这样的槽位名称。@ 后面跟字母的内容必须是你已保存的声音,否则生成会在扣费前停止。
  • Seed Audio 无法提及 Characters,因为它识别的是声音,而不是人脸。请改为提及你为角色保存的语音片段。

街头采访中的两个已保存声音

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.

为什么有效: 每个已保存的声音都有名称、文字描述,并绑定到一位说话人,带时间的台词会填满整段音频,轮流发言之间留有短暂间隙。请把 handle 换成你自己保存的声音,并将时长设为 30 秒。

视频的声音与音效

想给视频中的 Character 配音,可以先在这里生成一段干净的台词(录音棚效果,无音乐、无背景声),保存后附加到该 Character,或作为声音 Reference 保留。然后在支持声音的视频模型(例如 Cherry)中提及该 Character。视频模型可能只保留语音片段开头的几秒,所以要让片段从第一刻就开始说话。

要匹配已有的片段,先量出它的时长,选择高一档的时长,按画面给台词卡时间,最后在编辑器中裁剪结果。

  • 较长的场景请分段生成,每段都使用相同的已保存声音,之后再拼接在一起。

Speech Rate、Pitch Rate 和 Loudness Rate

Speech Rate、Pitch Rate 和 Loudness Rate 会一次性改变整段音频,影响所有声音。每位说话人的语速和音高请用文字描述,这些设置只用于整体微调,比如把写好的脚本读得稍快一点。

Seed 设置不会重现相同的结果:每次生成都是全新的一遍。

语言

Seed Audio 支持英语、中文、日语、韩语、墨西哥西班牙语、卡斯蒂利亚西班牙语、印尼语、德语、巴西葡萄牙语、法语、泰语、越南语、马来语、菲律宾语、意大利语、俄语、荷兰语、波兰语、土耳其语和瑞典语。同一个声音可以跨语言使用。

整段提示词请使用台词的语言来写,包括场景描述,并在声音说明中写明想要的口音。

常见错误

别这样写,试试这样写

  • 避免: 想要场景时,只写台词。

    Welcome back to the show.

    改为: 先写地点、声音和嗓音,再写台词。

    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."
  • 避免: 一段干净的语音片段,却没有任何说明。

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

    改为: 说明这是一段干净的录音。

    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."
  • 避免: 脚本比片段还长。

    改为: 减少字数,或选择更长的时长。

  • 避免: 给整段音频加时间窗口,比如“[0.0s:10.0s]”。

    改为: 只为单句台词加时间窗口。整段的窗口由 Mage 添加。

  • 避免: “@Audio1”,或没有描述的已保存声音。

    改为: 使用声音的 @handle,并在旁边描述这个声音。

  • 避免: 对话中的说话人没有名字。

    改为: 为每位说话人写上名字和声音说明。

  • 避免: 英文提示词配法语台词。

    改为: 整段提示词都用法语。

  • 避免: “某部著名电影的主题曲。”

    改为: 该风格和氛围的原创音乐。

常见问题

Seed Audio 提示词常见问题

Seed Audio 的提示词应该写多长?
刚好填满你选的时长,不要更长。语音大约按每秒 2.5 个词计算;再在周围加上地点、音乐和声音说明。整段提示词请控制在约 3000 个字符以内。
如何让多个 Seed Audio 片段保持同一个声音?
保存一段干净的声音录音,并在每个提示词中提及它的 @handle,同时在旁边用文字描述这个声音。只靠描述,每次生成的声音会有偏差。
Seed Audio 能生成没有人声的音乐吗?
可以。以“Generate pure background music and sound effects only. No voice, no dialogue, no narration, no lyrics.”开头,描述乐器和段落,并以“Final mix: No vocals or spoken words.”结尾。
为什么我的 Seed Audio 片段在说到一半时被截断?
片段的时长始终与你设置的完全一致,超出的部分会被截掉。请减少字数、选择更长的时长,或者给台词卡时间,让最后一句在结束前半秒收尾。
如何在 Seed Audio 中给对话卡时间?
在每句引号内的台词前加上以秒为单位的时间窗口,例如“[3.5s:8.0s] I have to go.”,长度按每秒约 2.5 个词估算,不同说话人之间留出短暂间隙。
Seed Audio 支持哪些语言?
共 20 种,包括英语、中文、日语、韩语、西班牙语、葡萄牙语、法语、德语、意大利语和俄语。整段提示词请使用台词的语言来写。
Seed Audio 能给图片配上声音吗?
可以。上传一张人物或生物的图片作为图像,然后只写演绎方式和台词。图片不能与已保存的语音片段用于同一次生成。

用 Seed Audio 生成你的第一段音频

新账号可获得 300 个免费 Gems,足够试用 Seed Audio。无需安装,无需信用卡。

试用 Seed Audio