跳至主要內容

提示詞指南

如何為 Seed Audio 撰寫提示詞

Seed Audio 提示詞怎麼寫:快速入門、填空範本,以及關於人聲、定時對白、已儲存的聲音、背景音樂和音效的進階技巧。

快速入門

你的第一個 Seed Audio 好提示詞

新手一分鐘就能掌握:先了解哪些重點、最重要的規則、可直接填寫的範本,以及能直接複製的提示詞。

先了解這些

Seed Audio 不是文字轉語音:它只需要一則提示詞,就能生成一整個場景的聲音,包含人聲、對白、音樂和音效。先寫出地點和在那裡聽到的聲音,接著像寫角色設定一樣描述每個聲音,最後把確切的台詞放在引號內。片段長度會完全依照你在設定中選擇的長度,所以寫的內容剛好填滿即可,不要更多:超出的部分會在結尾被截掉。

最重要的規則

  1. 先建立場景,再寫台詞

    先從地點和它的聲音開始:下雨的月台、人聲鼎沸的體育場、安靜的錄音室。只有引號內的文字會被念出來;其他都是指示。

  2. 每個聲音只描述一次,但要完整

    角色第一次開口時,請寫出性別、年齡、口音、音色、情緒和語速:Leo(四十多歲的男性,低沉沙啞,疲憊,語速緩慢)。之後只要寫名字和簡短的說話方式就夠了。

  3. 依你選的長度來寫

    請先選好長度。英文語音每秒約 2.5 個單字,所以短片段只容得下一句短台詞。字數太多,最後會在字的中間被截斷;字數太少,結尾則會留下空白。

  4. 提示詞請用台詞的語言來寫

    西班牙語的場景就用西班牙語寫提示詞,從場景描述到對白都一樣。英文提示詞搭配其他語言的台詞,會讓演繹變得混亂。

  5. 多生成幾個版本

    即使 seed 相同,每次生成都是一次全新的演出。同一句台詞多跑兩三次,再挑最好的。

填寫這個範本

把中括號裡的每個部分換成你自己的想法,用不到的部分可以省略。

範本
[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].
填寫後的範本
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] 我們在哪裡、聽到什麼:午夜的自助洗衣店,烘衣機砰砰作響,日光燈嗡嗡低鳴。
  • [instruments, mood, and how it moves] 緩慢的直立貝斯搭配刷子鼓,低沉慵懶。如果不想要音樂,就整句刪掉。
  • [Name] 誰在說話。名字只是提示,不會被唸出來。
  • [gender, age, accent, timbre, emotion, pace] 選角說明:三十多歲的女性,輕柔的愛爾蘭口音,聲音沙啞,帶著笑意,不疾不徐。
  • [how they say it] 說話方式:低聲嘟囔、隔著房間大喊、輕聲耳語。
  • [the exact words] 照原樣寫出要說的台詞,長度要配合片段的時間。
  • [How it ends] 最後一秒聽起來的樣子:音樂漸弱、門關上、雨聲持續。

可以參考的提示詞

  • 環境音中的旁白

    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.

    為什麼有效: 先寫場景,聲音當作選角說明,鳥鳴持續到最後,讓片段結束在聲音上而不是硬切。長度設為 10 秒最合適。

  • 兩個聲音,精準到秒

    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.

    為什麼有效: 每句台詞開頭都有自己的時間區間,長度配合字數,說話者之間留有短暫空檔,結尾留一秒安靜。請將長度設為 10 秒。

  • 沒有人聲的背景音樂

    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.

    為什麼有效: 在開頭和最後的混音說明中都寫上「無人聲」,就能保持純樂器演奏,各段落加起來正好等於設定中的 30 秒。

  • 只有音效,沒有音樂

    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.

    為什麼有效: 每個聲音都有明確的來源和時間點,最後一句則排除你不想要的內容。

  • 留給 Character 使用的乾淨人聲

    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."

    為什麼有效: 只有一位說話者、沒有背景音、一開始就有台詞:這是最適合存成聲音並指定給 Character 的片段。請將長度設為 10 秒。

  • 從圖片生成聲音

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

    為什麼有效: 上傳一張人像作為圖片,Seed Audio 會設計出與臉孔相配的聲音,所以提示詞只需要寫說話方式和台詞。5 秒的長度剛好容納一句短台詞。

進階

Seed Audio 進階提示詞技巧

掌握基礎後,用這些技巧更精準地控制結果。

結構:寫一段廣播劇場景

完整的 Seed Audio 提示詞依序包含五個部分:環境(地點、天氣、情境)、背景音樂與音效、角色正在做什麼、每個人的聲音,以及確切的台詞。

請像廣播劇劇本一樣,依時間順序把它寫成一個場景:先寫開場的環境音和音樂,接著是每句台詞的說話者、聲音和演繹方式,音效放在發生的位置,最後寫結尾方式:音樂漸強、漸弱或突然中斷,或是環境音持續到最後一秒。

  • 第一次要完整描述聲音,之後只用名字加上簡短的說話方式,例如「Maya,這次更輕柔:」。
  • 只有引號內的文字會被唸出來。名字、聲音說明和場景描述都不會被朗讀。
  • 對話中的每位說話者都要有名字和聲音說明,沒有標示的說話者會互相換聲音。
  • 提示詞請控制在約 3,000 字元以內。

一段簡短的戰鬥場景

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.

為什麼有效: 先寫地點、音樂和音效,每位說話者都有選角說明,撞擊聲落在兩句台詞之間,最後一句說明片段如何結束。

描述聲音

像寫選角說明一樣描述聲音:性別與年齡、口音、音色、情緒和語速。如果聲音是透過某種裝置傳出來的,例如電視、收音機或電話,請加上處理效果。

用說話的方式表現情緒,而不是只寫出情緒名稱:「輕聲說著,努力讓自己保持鎮定」和「驚慌失措,說話越來越快」,比「悲傷」和「害怕」傳達更多。

寫下效果
raspy, low, gravelly粗獷低沉的聲音:飽經風霜、疲憊或強悍。
clear, bright, crystalline乾淨、高亢、清亮的聲音。
deep and resonant飽滿渾厚、胸腔共鳴很強的聲音。
rapid, soaring, full-throated興奮、大聲又快速,像現場體育轉播。
as if from a television, with slight reverberation聲音來自房間裡的電視。
as if over a walkie-talkie帶有雜音、頻寬狹窄的收音機聲音。
a mechanical quality在人聲上帶有機器人或合成的質感。
whispered close to the microphone親密、帶著氣音的耳語。

把對白精準對到秒

若要把一句台詞放在特定時間,請將時間區間寫在引號內台詞的開頭,單位為秒,取到小數點後一位:「[5.5s:8.0s] Maya!等等,你今晚真的要走嗎?」每一句對白都要標時間;音樂和音效則依場景順序進行。

時間區間要配合字數。自然的英文語速每秒約 2.5 個單字,所以一句 10 個字的台詞大約需要 4 秒;興奮的語氣會更快,沉重的語氣則更慢。

  • 說話者之間留 0.3 到 0.6 秒的空檔,對話輪替會比較自然。
  • 最後一句台詞至少要在片段結束前半秒結束,讓結尾的淡出落在靜默或環境音上。
  • 所有時間都要落在片段長度之內。不要為整個片段寫時間區間,例如「[0.0s:10.0s]」:Mage 已經自動加上了。
  • 對白的時間很精準。背景音樂中的時間只是參考,不保證完全吻合。

背景音樂與音效

如果要純音樂、不要人聲,請在開頭和結尾都明確說明,並將樂曲分成幾個段落:「Generate pure background music and sound effects only. No voice, no dialogue, no narration, no lyrics.」接著寫風格、樂器、音效、長度、帶時間的各段落,以及最後的混音說明。各段落加起來要等於你設定的長度。

請寫出樂器和音樂隨時間的變化,而不只是曲風:「低沉的戰鼓和低音銅管,合唱聲漸起,鼓聲隨之加快」、「逐漸減弱到只剩一支單簧管,最後消失在寂靜中」。

  • 請要求特定曲風與氛圍的原創音樂,不要指定已知的歌曲或主題曲:「Create original music only.」
  • 為每個音效寫出來源和聲音:「劍滑回劍鞘,發出清脆的 shhhk 聲」、「鎖鏈落入塵土,發出沉重的哐啷聲」。擬聲詞加上來源,會被當作音效,而不是人聲。
  • 除了聲音,也要描述空間:「腳步聲在石造大廳中迴盪」、「一間貼著磁磚的小浴室」、「在巨大的體育場內,觀眾的吼聲此起彼落」。

已儲存的聲音與圖片

用 @handle 提及已儲存的聲音片段,並說明三件事:要生成什麼、用哪個聲音,以及這段聲音的用途,例如音色、口音或情緒。也要在 handle 旁邊用文字描述聲音:Marcus(聲音流暢自信的播音員音色;即 @marcus-voice 的聲音),輕快:。

或者上傳一張人物或生物的圖片作為圖片,Seed Audio 會設計出與它相符的聲音。圖片與已儲存的聲音片段無法在同一次生成中同時使用。

  • 好的聲音片段只有一位說話者,沒有音樂或雜音,而且從第一秒就開始說話。
  • 想讓每次生成的聲音一致,就重複使用同一個已儲存的片段。只靠文字描述,每次的聲音會有所偏移。
  • 請寫 handle,不要寫「@Audio1」這類欄位名稱。凡是 @ 後面接文字,都必須是你已儲存的聲音,否則生成會在扣款前停止。
  • Seed Audio 無法提及 Characters,因為它只讀取聲音,不讀取臉孔。請改為提及你為他們儲存的聲音片段。

街頭訪談中的兩個已儲存聲音

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.

為什麼有效: 每個已儲存的聲音都有名稱、文字描述,並對應到一位說話者,而加上時間的台詞會填滿整段片段,輪流發言之間留有短暫停頓。請把 handle 換成你自己已儲存的聲音,並將長度設為 30 秒。

影片的聲音與音效

若要為影片 Character 配上聲音,請先在這裡生成一段乾淨的台詞(錄音室品質,沒有音樂,沒有背景音),儲存後附加到該 Character,或保留為聲音 Reference。接著在支援聲音的影片模型(例如 Cherry)中提及該 Character。影片模型可能只保留聲音片段的開頭幾秒,所以請讓片段從一開始就說話。

若要配合現有的片段,請先量出它的長度,選擇高一級的長度,依畫面安排台詞時間,最後再用剪輯軟體修剪結果。

  • 較長的場景可以分段生成,每段都使用相同的已儲存聲音,之後再接合起來。

語速、音高與音量

語速、音高與音量會一次調整整段片段,影響所有聲音。請改用文字描述每位說話者的節奏與音高,這些設定只用於整體微調,例如把完成的腳本讀得稍微快一點。

Seed 設定無法重現相同結果:每次生成都是全新的一版。

語言

Seed Audio 支援英文、中文、日文、韓文、墨西哥西班牙文、卡斯提亞西班牙文、印尼文、德文、巴西葡萄牙文、法文、泰文、越南文、馬來文、菲律賓文、義大利文、俄文、荷蘭文、波蘭文、土耳其文和瑞典文。同一個聲音可以跨語言使用。

請用台詞的語言撰寫整段提示詞,包括場景描述,並在聲音說明中寫出你想要的口音。

常見錯誤

避免這樣寫,改這樣寫

  • 避免: 想要一個場景,卻只寫台詞。

    Welcome back to the show.

    改成: 先寫地點、聲音和人聲,再寫台詞。

    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: 乾淨的聲音片段,卻沒有任何說明。

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

    改成: 說明這是一段乾淨的錄音。

    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: 腳本比片段還長。

    改成: 減少字數,或選擇更長的時間。

  • 避免: 為整段片段設定時間範圍,例如「[0.0s:10.0s]」。

    改成: 只為個別台詞設定時間範圍。整段的範圍由 Mage 加上。

  • 避免: 「@Audio1」,或沒有描述的已儲存聲音。

    改成: 使用聲音的 @handle,並在旁邊描述這個聲音。

  • 避免: 對話中的說話者沒有名字。

    改成: 為每位說話者提供名字和聲音說明。

  • 避免: 提示詞是英文,台詞卻是法文。

    改成: 整段提示詞都用法文。

  • 避免: 「某部名片的主題曲。」

    改成: 該類型與氛圍的原創音樂。

常見問題

Seed Audio 提示詞常見問題

Seed Audio 的提示詞應該多長?
長度剛好填滿你選的時間即可,不要更長。語音大約以每秒 2.5 個字計算;再加上場景、音樂和聲音說明。整段提示詞請控制在約 3,000 個字元以內。
如何讓不同的 Seed Audio 片段保持相同的聲音?
儲存一段乾淨的聲音錄音,並在每個提示詞中提及它的 @handle,同時在旁邊用文字描述這個聲音。只靠文字描述,每次的聲音會有所偏移。
Seed Audio 可以生成沒有人聲的音樂嗎?
可以。以「Generate pure background music and sound effects only. No voice, no dialogue, no narration, no lyrics.」開頭,描述樂器與段落,最後以「Final mix: No vocals or spoken words.」結尾。
為什麼我的 Seed Audio 片段在字詞中間被截斷?
片段長度一定等於你設定的時間,超出的部分會被截掉。請減少字數、選擇更長的時間,或安排台詞時間,讓最後一句在結尾前半秒結束。
如何在 Seed Audio 中安排對話的時間?
在每句引號台詞前加上以秒為單位的時間範圍,例如「[3.5s:8.0s] I have to go.」,長度以每秒約 2.5 個字估算,說話者之間留一小段停頓。
Seed Audio 支援哪些語言?
共 20 種,包括英文、中文、日文、韓文、西班牙文、葡萄牙文、法文、德文、義大利文和俄文。請用台詞的語言撰寫整段提示詞。
Seed Audio 可以為圖片配上聲音嗎?
可以。上傳一張人物或生物的圖片作為圖片,然後只寫說話方式和台詞即可。圖片無法與已儲存的聲音片段在同一次生成中合併使用。

用 Seed Audio 生成你的第一段音訊

新帳號可獲得 300 Gems,足夠試用 Seed Audio。無需安裝,也不需要信用卡。

試用 Seed Audio