> ## Documentation Index
> Fetch the complete documentation index at: https://docs.comfy.org/llms.txt
> Use this file to discover all available pages before exploring further.

# ByteDanceSeedAudio - ComfyUI Built-in Node Documentation

> Complete documentation for the ByteDanceSeedAudio node in ComfyUI. Learn its inputs, outputs, parameters and usage.

使用单个提示词，通过字节跳动 Seed Audio 1.0 生成语音、音乐、音效和多说话人对话。在提示词中描述声音、情感、氛围、背景音乐和音效，并包含要朗读的台词。可选择内置预设语音，从最多 3 个参考片段（在提示词中标记为 @Audio1-3）克隆声音，或从角色图像中衍生声音。每次运行最多可生成 2 分钟音频。

## ## 输入

| 参数                  | 描述                                                                                                        | 数据类型   | 是否必需 | 范围                                                                                    |
| ------------------- | --------------------------------------------------------------------------------------------------------- | ------ | ---- | ------------------------------------------------------------------------------------- |
| `text_prompt`       | 描述声音、情感、节奏、氛围、背景音乐和音效，并包含要朗读的台词（对话中可内联标注角色名称）。在“音频参考”模式下，按顺序引用连接的片段为 @Audio1、@Audio2、@Audio3。最多 3000 个字符。 | STRING | 是    | 1 到 3000 个字符                                                                          |
| `reference_mode`    | 如何控制声音：“仅文本”（在提示词中描述所有内容）、“音频参考”（克隆最多 3 个声音，标记为 @Audio1-3）、“图像参考”（从一张角色图像衍生声音）或“预设语音”（选择一个内置命名语音来朗读提示词）。  | COMBO  | 是    | `"text only"`<br />`"audio reference"`<br />`"image reference"`<br />`"preset voice"` |
| `reference_audio_1` | 用于声音克隆的参考片段，在提示词中标记为 @Audio1。最长 30 秒。仅当 `reference_mode` 为“audio reference”时可用。                           | AUDIO  | 否    | 最长 30 秒                                                                               |
| `reference_audio_2` | 在提示词中标记为 @Audio2 的参考片段。最长 30 秒。仅当 `reference_mode` 为“audio reference”时可用。                                 | AUDIO  | 否    | 最长 30 秒                                                                               |
| `reference_audio_3` | 在提示词中标记为 @Audio3 的参考片段。最长 30 秒。仅当 `reference_mode` 为“audio reference”时可用。                                 | AUDIO  | 否    | 最长 30 秒                                                                               |
| `reference_image`   | 一张角色图像；模型从中衍生声音。不能与参考音频结合使用。仅当 `reference_mode` 为“image reference”时可用。                                    | IMAGE  | 否    | -                                                                                     |
| `preset_voice`      | 一个内置的 TTS 2.0 语音，用于朗读提示词。无需参考片段，且在此模式下不使用 @AudioN 标签。仅当 `reference_mode` 为“preset voice”时可用。              | COMBO  | 否    | 多个选项可用（见描述）                                                                           |
| `sample_rate`       | 输出采样率，单位为 Hz。（默认值："24000"）                                                                                | COMBO  | 是    | `"8000"`<br />`"16000"`<br />`"24000"`<br />`"32000"`<br />`"44100"`<br />`"48000"`   |
| `speech_rate`       | 语速。0 = 正常，100 = 2.0 倍，-50 = 0.5 倍。（默认值：0）                                                                 | INT    | 是    | -50 到 100                                                                             |
| `loudness_rate`     | 音量。0 = 正常，100 = 2.0 倍，-50 = 0.5 倍。（默认值：0）                                                                 | INT    | 是    | -50 到 100                                                                             |
| `pitch_rate`        | 音高偏移，单位为半音（-12 到 12）。（默认值：0）                                                                              | INT    | 是    | -12 到 12                                                                              |
| `seed`              | 种子控制节点是否应重新运行；无论种子如何，结果都是非确定性的。（默认值：42）                                                                   | INT    | 是    | 0 到 2147483647                                                                        |

### 参数约束

* **参考模式依赖关系**：`reference_mode` 参数决定了哪些其他输入是必需的：
  * **"text only"**：无需额外输入。提示词不得包含 @AudioN 标签。
  * **"audio reference"**：需要至少连接 `reference_audio_1`、`reference_audio_2` 或 `reference_audio_3` 中的一个。参考片段必须按顺序连接，不能有间隔（例如，\_1，然后 \_2，然后 \_3）。每个片段最长 30 秒。提示词必须使用 @Audio1、@Audio2、@Audio3 标签引用连接的片段。
  * **"image reference"**：需要连接 `reference_image`。提示词不得包含 @AudioN 标签。
  * **"preset voice"**：需要选择 `preset_voice`。提示词不得包含 @AudioN 标签（整个提示词将以所选语音朗读）。

* **音频参考排序**：使用“audio reference”模式时，参考音频输入必须从 `reference_audio_1` 开始顺序连接，不能有间隔。例如，可以连接 \_1 和 \_2，但不能在没有 \_2 的情况下连接 \_1 和 \_3。

* **最大音频标签数**：在“audio reference”模式下，提示词最多可引用 3 个音频片段（@Audio1、@Audio2、@Audio3）。编号最高的标签不得超过已连接的参考音频输入数量。

## ## 输出

| 输出名称    | 描述                                                    | 数据类型  |
| ------- | ----------------------------------------------------- | ----- |
| `AUDIO` | 字节跳动 Seed Audio 1.0 生成的音频输出，包含提示词中描述的语音、音乐、音效或多说话人对话。 | AUDIO |

> 本文档由 AI 生成。如果您发现任何错误或有改进建议，欢迎贡献！ [在 GitHub 上编辑](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/ByteDanceSeedAudio/zh.md)

***

**Source fingerprint (SHA-256):** `cefd5fca496b02c35022d25be3d99d3911c1304b6e3a751751b58841d5895ef7`