一张夜间码头图可以提供场所线索,却不能告诉模型下一秒会不会响汽笛。用AniShort的图片描述方式准备声音时,需要把“图里看见的东西”与“本段确实要发生的声音”分开。否则画面上有船,就可能得到一声并不需要的鸣笛。

图片给场景,文字给声音事件
自拟一个素材任务:空码头、系泊船和轻微水纹,所需音频是平稳水声与轻微缆绳摩擦,不要对白、音乐和突然鸣笛。图像能帮助交代环境,声音的持续、出现与结束仍要另写。静图没有记录真实现场声,生成结果也不能作为现场声音证据。
先列出可见声源,再作采用决定。船不一定开机,路灯不一定嗡鸣,远处有建筑也不必出现人群。对画面没交代的声源,应按创作需要明确选择,不把合理猜想伪装成图像事实。
可查看产品详情,再由详情页前往官网了解音频创作入口。
确认当前使用图片描述方式
官方音频课124展示了SeedAudio及生成方式菜单中的图片描述、音频描述等选项;官方公开界面文案同时说明支持人声、音效和环境声创作。准备本例时使用图片描述的输入路线,确认参考是采用的那张图,并在描述里说明要听到什么。不要把图片当成自动生成精确声景的保证。

一份可改写的要求是:“为这张原创码头参考制作一段环境声音素材。保持平缓水声,缆绳只有轻微持续摩擦;不出现人说话、背景音乐、引擎启动或突发鸣笛。开始与结尾不要新增事件。”目标时长再按本次实际需要填写,不拿图片宽度或文件大小推算音频长度。
先单听,再对着图听
先不看图完整听一遍,记下实际出现的声源与明显突发事件,再打开图检查它们是否符合本次采用决定。若一开始就边看边听,人容易把图中的物体替多出来的声音找理由,漏掉原要求明确排除的声源。
若只有一个不需要的事件,先改清对应要求或换候选,不通过不断增加“安静、自然、真实”等宽泛词压住所有声音。若整段变成配乐或对白,应回到生成方式和描述,确认正在请求环境素材,而非朗读说明或编一场戏。
交付时把创作声音与现场录音分清
保留采用图、文字要求与采用音频,说明它是生成的声音候选。是否需要循环、怎样接入对白,以及与动作如何精确对齐,应按后续素材用途处理,不能因本次音频听起来顺畅就默认已完成成片混音。
这项任务完成的标志,是得到符合已决定声源和事件范围的音频;不是“图里每件东西都发出了声音”。让图片负责场所线索,让明确描述负责可听事件,声音才会服务这张图的实际用途。
确定声源与事件范围后,可从详情页前往官网继续创作。

