Einordnung
Seed Audio 1.0 ist ein Modell zur Erstellung vollständiger Audioszenen. Es generiert Sprache, Dialoge, Geräusche und Umgebungsatmosphäre in einem gemeinsamen Rahmen, statt diese Elemente nur als separate Clips bereitzustellen. Die offizielle Ankündigung erschien am 20. Juli 2026. (seed.bytedance.com)
Fähigkeiten und Anwendungen
- Ein Prompt kann Rollen, Emotionen, Dialoge und die akustische Umgebung beschreiben. Der Einsatz von Dialogzeilen lässt sich in Schritten von 100 Millisekunden vorgeben.
- Text und Referenzaudio können die Stimme und ihren Ausdruck steuern. Audio kann mithilfe von Referenzen verlängert werden, wobei die Rollenstimme möglichst konsistent bleibt.
- Laut Ankündigung unterstützt das Modell mehr als 20 Sprachen, darunter Deutsch. Die Verfügbarkeit kann vom jeweiligen Dienst und dessen Modellversion abhängen.
- Anwendungsfälle sind unter anderem Synchronisation, Werbung, Spiele, Podcasts, Hörbücher und szenische Audioerzählungen. (seed.bytedance.com)
Grenzen
Die dokumentierte chinesische Volcengine-API ist eine nicht streamende HTTP-Schnittstelle mit bis zu 2 Minuten Audio pro Anfrage. Sie nennt höchstens 3.000 Prompt-Zeichen, empfiehlt höchstens 400 Zeichen für den zu sprechenden Text und erlaubt bis zu drei Referenzaudios oder ein Referenzbild. Ihre Modellliste nennt für diese Schnittstelle Chinesisch und Englisch; die über 20 Sprachen der Ankündigung sind daher nicht ohne Weiteres auf jede Plattform oder Version übertragbar. Die Ankündigung beschreibt die Zeitsteuerung vor allem für Dialoge; feinere Steuerung weiterer Klangelemente sowie Videoreferenzen werden dort als Entwicklungsziele genannt. (docs.volcengine.com)
Preise
Volcengine, Festlandchina: Bei nachträglicher Abrechnung kostet die API-Nutzung 1 CNY pro Minute erzeugter Audioausgabe. Abgerechnet wird die ursprüngliche Ausgabedauer sekundengenau; eine Änderung der Wiedergabegeschwindigkeit ändert die berechnete Dauer nicht. Ein separater Eingabepreis wird für diesen Tarif nicht ausgewiesen. (docs.volcengine.com)
Für vorausbezahlte Ressourcenpakete mit einem Jahr Gültigkeit nennt Volcengine: 30 Minuten für 30 CNY, 200 Minuten für 190 CNY, 200.000 Minuten für 180.000 CNY, 500.000 Minuten für 425.000 CNY und 2.000.000 Minuten für 1.600.000 CNY. Diese Paketpreise gelten für die jeweilige vorausgekaufte Menge, nicht als allgemeiner Einzelaufrufpreis. (docs.volcengine.com)
BytePlus, international: Ein konkreter offizieller Betrag für die Eingabe- oder Ausgabeabrechnung konnte bei der Abfrage nicht unmittelbar verifiziert werden. Die offizielle Preisseite war abrufbar, zeigte aber keinen auslesbaren Preisinhalt. (docs.byteplus.com)
Offizielle Quellen
- Ankündigung von ByteDance Seed
- Volcengine-Modellliste und Schnittstellengrenzen
- Volcengine-Preise und Abrechnungsregeln
- BytePlus-Preisseite
Preisabfrage: 16. November 2026.