【音频模型】SeedAudio 1.0完整教程：从参考音色到有声剧

传统AI配音只能把文字读出来，SeedAudio 1.0则可以进一步控制人物音色、情绪、呼吸、环境音和多角色对话。这篇教程将通过五个案例，完成一段完整的AI有声剧。

一起来看一下成品：

那么接下来，按照我的思路和步骤，你也可以做出这样的作品，一起来实操吧~

准备工具

seedaudio 1.0 https://jimeng.jianying.com/

ChatGPT/豆包/gemini（推导提示词）  https://chatgpt.com/c/

如果不想各个网页跳转模型，可以使用flowpix平台，已接入所有热门模型

本次教程的链接如下

https://www.flowpix.club/bj/38528.html?token=905f5dcd47c6c3d4b9f66710dc08414c

SeedAudio 1.0能做什么？

传统TTS配音通常只能选择音色，再添加开心、悲伤、生气等简单情绪。

但真正的人物表演并不是固定情绪。

同一句话里，人物可能先保持平静，随后产生怀疑，接着提高语速，最后因为委屈而停顿。

SeedAudio 1.0的优势，是可以将人物状态、情绪变化、停顿、呼吸、环境声音和具体台词写在同一段提示词中。

它不只是让人物“读台词”，而是让人物在具体场景中完成表演。

这篇教程将分为五章：

第一章：创建参考音色；

第二章：人物情绪与状态表演；

第三章：生成完整环境音效；

第四章：多角色对话与角色分配；

第五章：制作一段完整有声剧。

第一章：创建参考音色

seedaudio在哪里可以使用呢？

我这里提供2个网址

1.火山方舟（可以免费体验生成几分钟） https://ark.volcengine.com/

2.flowpix  https://www.flowpix.club/点击创建生成音频即可

在制作有声书、多角色短剧和视频配音之前，需要先建立稳定的人物声音。

参考音色不是简单生成一段好听的人声，而是建立一个可以反复使用的“声音角色”。

后面即使改变台词、情绪和录音环境，人物的年龄感、声线、声音厚度和辨识度也应该保持一致。

参考音色生成模板（修改后直接发给大语言模型就行）

只需要修改以下五项：

【性别】 【年龄】 【声线】 【音色气质】 【主要用途】

生成一段原创【性别】参考音色，不模仿任何现实人物。

人物约【年龄】岁，声线【声线特点】，音色【音色气质】，整体自然、好听、松弛，有真实的人声质感，适合用于【主要用途】。

请自动创作一段20至30秒的生活化独白。内容围绕一件日常发生的小事，台词自然、有画面感，不要像提前写好的文案。

人物最开始保持自然状态，中间因为回想起某个细节产生明显的情绪变化，最后逐渐放松。请自动将人物状态、停顿、呼吸、语速和情绪变化穿插在台词之间。

使用生活化普通话，咬字清楚但不要字正腔圆。语调需要有自然的轻重和快慢变化，允许出现轻微呼吸、犹豫和笑意，不要让每句话使用相同节奏。

录音环境安静，人物距离麦克风较近。不要背景音乐、环境音、明显混响和其他人物声音。

不要播音腔、朗诵腔、客服腔、短视频营销腔、情感电台腔和AI逐字朗读感。整段保持同一个年龄感、同一个声线和稳定的核心音色。

本次一共创建三个角色：

林夏：女性主角，声音清透、柔和，情绪细腻；

我的提示词如下：

&生成一段原创成年女性人声，不模仿任何现实人物。

人物约25岁，声线偏中低，音色清透、柔和、耐听，有适度的声音厚度和轻微明亮感。发声松弛自然，气息稳定，声音有亲和力，但不要过分甜美、刻意温柔或故意压低嗓音。

使用生活化普通话，咬字清楚但不字正腔圆。句子有自然的轻重、快慢和呼吸变化，不要每句话都使用相同的语调。整体像一个声音条件很好的人，在安静的房间里和熟悉的人分享今天发生的事情。

人物最开始有一点疲惫，随后因为想起一件小事而变得轻松，最后出现一点若有所思。情绪自然流动，不要明显表演，不要播音腔、朗诵腔、客服腔和AI逐字朗读感。

台词与状态：

【刚刚忙完一天，轻轻呼出一口气，声音有一点疲惫，但整体放松】

“我今天……其实过得有点乱。”

【短暂停顿，像是在回想白天发生的事情】

“一早出门的时候忘了带钥匙，走到楼下才突然想起来。”

【想到当时的画面，语气变得轻松一些，带一点无奈的笑意】

“然后我又拎着一大堆东西，重新跑上楼。”

【自然地笑一下，声音明亮一点，但不要真的大笑】

“当时真的觉得自己特别傻。”

【停顿0.5秒，情绪慢慢安静下来】

“不过后来想想……”

【语速放慢，语气变得柔和，像在认真分享自己的感受】

“好像每天都会发生一些不在计划里的事情。”

【轻微吸气，句尾自然变轻，带一点释然】

“也不一定是坏事，对吧？”

录音环境安静、干净，人物距离麦克风较近。不要背景音乐、环境音、明显混响和其他人物声音。

周沉：成年男性，声音沉稳、克制；

我的提示词如下：

生成一段原创成年男性人声，不模仿任何现实人物。

人物约28至32岁，声线偏中低，音色干净、沉稳，有适度厚度和轻微颗粒感，但不要沙哑、烟嗓或故意压低声音。声音听起来可靠、松弛，有成熟感，但不要显得年龄过大。

使用自然、生活化的普通话。咬字清楚但不刻意，语调有真实的轻重和快慢变化。说话时情绪比较克制，不使用播音腔、纪录片旁白腔、霸总腔或短视频配音腔。

人物刚结束一天的工作，开始有些疲惫。说