주요 기능
- 멀티모달 오디오 생성: 하나의 프롬프트로 음성, 음악, 효과음, 주변 오디오 생성. 듣고 있는 내용을 설명하면 Seed Audio가 생성합니다.
- 음성 복제: 최대 3개의 참조 클립(프롬프트에서
@Audio1,@Audio2,@Audio3로 태그 지정)에서 음성을 복제하여 다중 캐릭터 대화 또는 일관된 내레이션 구현 - 사전 설정 음성: 참조 클립 없이 안정적이고 고품질의 내레이션이 필요할 때 내장 TTS 2.0 음성에서 선택
- 이미지 기반 음성: 캐릭터 이미지에서 음성을 도출하여 시각적 대상에 어울리는 톤과 스타일 매칭
- 세밀한 제어: 각 생성물에 대해 말하기 속도, 피치, 음량, 샘플 레이트를 독립적으로 조정
- 다중 화자 대화: 프롬프트에서 인라인으로 캐릭터 이름을 지정하면 Seed Audio가 음성 할당, 차례 전환, 감정 표현을 처리
- 실행당 최대 2분: 내레이션, 팟캐스트 클립, 비디오 더빙, 사운드 디자인에 적합한 긴 오디오 클립 생성
사용 가능한 워크플로
Seed Audio 1.0: 텍스트-오디오
텍스트 프롬프트에서 직접 오디오를 생성합니다. 프롬프트에 음성, 분위기, 음향 효과 및 대화를 설명하세요.
Comfy Cloud에서 실행
Comfy Cloud에서 열기
워크플로 다운로드
JSON 다운로드 또는 템플릿 라이브러리에서 “Seed Audio 1.0” 검색
Seed Audio 1.0: 텍스트 + 오디오-오디오
음성 복제로 오디오를 생성합니다. 참조 오디오 클립을 연결하면 모델이 음성과 스타일을 복제하여 텍스트 프롬프트에 적용합니다.
Comfy Cloud에서 실행
Comfy Cloud에서 열기
워크플로 다운로드
JSON 다운로드 또는 템플릿 라이브러리에서 “Seed Audio 1.0” 검색
Seed Audio 1.0: 텍스트 + 이미지-오디오
캐릭터 이미지에서 음성을 도출합니다. 캐릭터 이미지를 연결하면 모델이 시각적 대상과 일치하는 음성 스타일로 오디오를 생성합니다.
Comfy Cloud에서 실행
Comfy Cloud에서 열기
워크플로 다운로드
JSON 다운로드 또는 템플릿 라이브러리에서 “Seed Audio 1.0” 검색
ComfyUI에서 Seed Audio 1.0 사용 방법
Seed Audio 1.0은 ByteDanceSeedAudio 내장 노드로 제공됩니다. ByteDance 아래의 노드 메뉴에서 찾을 수 있습니다.참조 모드 선택
노드는 생성되는 음성의 조건을 결정하는 네 가지 참조 모드를 제공합니다.| 모드 | 설명 | 사용 시기 |
|---|---|---|
| 텍스트 전용 | 음성 스타일, 감정, 분위기, 대화 등을 프롬프트에 모두 설명 | 참조 자료 없이 빠른 생성 |
| ReferenceTimbreAudio | 최대 3개의 ReferenceTimbreAudio 클립(각 최대 30초)을 연결하고 프롬프트에서 @Audio1, @Audio2, @Audio3 태그로 지정 | 특정 음성 복제 또는 다중 캐릭터 대화 생성 |
| 이미지 참조 | 하나의 캐릭터 이미지 연결; 모델이 이미지에서 음성을 추출 | 시각적 캐릭터 디자인에서 음성 도출 |
| 프리셋 음성 | 드롭다운에서 내장 TTS 2.0 음성 선택 | 복제 없이 안정적인 내레이션 |
프롬프트 구조
최상의 결과를 위해 프롬프트를 구성하여 오디오 장면을 설명하세요.- 음성 및 감정 — 톤, 연령, 성별, 악센트 또는 감정 전달을 설명
- 분위기 및 배경 — 음향 환경(조용한 스튜디오, 번화한 거리, 콘서트홀)을 설명
- 음향 효과 — 타임라인의 적절한 지점에서 특정 소리를 설명
- 대사 — 말할 대사를 작성하고, 다중 화자 장면을 위해 캐릭터 이름 지정
차분하고 따뜻한 남성 음성이 자신 있게 말합니다. 배경에 부드러운 빗소리가 들리고 가끔 먼 천둥소리가 납니다. “Seed Audio 1.0은 템포, 피치, 존재감을 완전히 제어하여 자연스러운 음성을 생성합니다.”ReferenceTimbreAudio를 사용한 다중 화자 대화 예시:
@Audio1이 긴장한 듯 낮고 빠른 속삭임으로 말합니다: “그거 봤어?” @Audio2는 차분하고 느린 말투로 대답합니다: “뭘? 그냥 바람이야.” 가벼운 바람 분위기가 계속됩니다.
파라미터 조정
입력을 연결한 후, 원하는 출력을 위해 다음 파라미터를 조정하세요.- 말하기 속도 — 기본값 0 (노멀(normal)). 범위 -50 (0.5배) ~ 100 (2.0배). 네거티브 값은 편안한 내레이션에, 양수 값은 에너지 넘치는 보이스오버에 사용
- 피치 — 반음 단위 이동 (-12 ~ +12). 캐릭터 음성이나 특정 음역대 매칭에 유용
- 음량 — 기본값 0 (노멀(normal)). 범위 -50 (0.5배) ~ 100 (2.0배). 다양한 소스 자료에서 일관된 볼륨을 위해 조정
- 샘플 레이트 — 8kHz에서 48kHz까지 선택 가능. 24kHz는 음성에 좋은 기본값; 음악은 44.1kHz 또는 48kHz
- 시드 — 노드 재실행 여부 제어; 시드 값과 관계없이 결과는 비결정적
엣지 케이스 및 제한 사항
- 참조 클립 지속 시간: ReferenceTimbreAudio 클립은 각각 최대 30초입니다. 더 긴 참조 자료의 경우, 연결 전에 클립을 자르거나 편집하세요.
- ReferenceTimbreAudio 참조 순서: 참조 입력은 순차적으로(1, 2, 3) 연결되어야 하며, 중간에 비어 있으면 안 됩니다.
- 태그 제한: 단일 프롬프트에서 최대 3개의
@AudioN태그가 지원됩니다. - 글자 수 제한: 프롬프트는 최대 3000자로 제한됩니다.
- 지속 시간 제한: 실행당 최대 2분의 오디오입니다.
시작하기
- ComfyUI를 최신 버전으로 업데이트하세요
- 노드 메뉴에서 ByteDanceSeedAudio 노드를 추가하거나 위의 워크플로 템플릿 중 하나를 열어보세요
- 참조 모드를 선택하고 입력을 연결하세요
- 오디오 장면과 대화를 설명하는 프롬프트를 작성하세요
- 워크플로를 실행하세요