ByteDanceSeedAudio - ComfyUI Built-in Node Documentation

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

あなたは ComfyUI ノードドキュメントを英語から日本語に翻訳する技術翻訳の専門家です。

​

翻訳ルール

1. 翻訳してはいけない内容：

   • バッククォートで囲まれたパラメータ名：image、seed、model
   • 大文字のデータ型：IMAGE、STRING、INT、FLOAT、MODEL、CONDITIONING など
   • Range列の値：数値、“auto”、オプション名
   • コード、ファイルパス

2. 翻訳する内容：

   • セクション見出し：## 概要、## 入力、## 出力
   • すべての説明文
   • パラメータの説明

3. 翻訳品質：

   • 丁寧語（です・ます体）を使用
   • 専門的でありながらわかりやすい表現
   • 技術的な正確性を保つ
   • 標準的な日本語技術用語を使用

4. フォーマット：

   • すべての Markdown フォーマットを保持
   • 表の構造を維持
   • 免責事項は追加しないでください（システムが文書末尾に自動追加します）

以下の英語ドキュメントを日本語に翻訳してください（免責事項は含めないでください）：

ByteDance Seed Audio 1.0 を使用して、単一のプロンプトから音声、音楽、効果音、マルチスピーカーの対話を生成します。プロンプト内で、声、感情、雰囲気、背景音楽、効果音を記述し、発話する台詞を含めてください。オプションで、内蔵のプリセット音声を選択したり、最大3つの参照クリップ（プロンプト内で @Audio1-3 とタグ付け）から声をクローンしたり、キャラクター画像から声を導出したりできます。1回の実行で最大2分間の音声を生成できます。

​

入力

パラメータ	説明	データ型	必須	範囲
text_prompt	声、感情、話す速さ、雰囲気、背景音楽、効果音を記述し、発話する台詞を含めてください（対話の場合はキャラクター名をインラインで指定します）。「音声参照」モードでは、接続されたクリップを @Audio1、@Audio2、@Audio3 の順序で参照します。最大3000文字です。	STRING	はい	1～3000文字
reference_mode	声を条件付ける方法：「text only」（すべてをプロンプトで記述）、「audio reference」（最大3つの声をクローンし、@Audio1-3 とタグ付け）、「image reference」（1つのキャラクター画像から声を導出）、または「preset voice」（プロンプトを読み上げる内蔵の名前付き音声を選択）から選択します。	COMBO	はい	"text only" "audio reference" "image reference" "preset voice"
reference_audio_1	音声クローン用の参照クリップ。プロンプト内で @Audio1 とタグ付けされます。最大30秒です。reference_mode が “audio reference” の場合のみ使用可能です。	AUDIO	いいえ	最大30秒
reference_audio_2	プロンプト内で @Audio2 とタグ付けされる参照クリップ。最大30秒です。reference_mode が “audio reference” の場合のみ使用可能です。	AUDIO	いいえ	最大30秒
reference_audio_3	プロンプト内で @Audio3 とタグ付けされる参照クリップ。最大30秒です。reference_mode が “audio reference” の場合のみ使用可能です。	AUDIO	いいえ	最大30秒
reference_image	単一のキャラクター画像。モデルはこれから声を導出します。参照音声と組み合わせることはできません。reference_mode が “image reference” の場合のみ使用可能です。	IMAGE	いいえ	-
preset_voice	プロンプトを読み上げる内蔵の TTS 2.0 音声です。参照クリップは不要で、このモードでは @AudioN タグは使用されません。reference_mode が “preset voice” の場合のみ使用可能です。	COMBO	いいえ	複数のオプションが利用可能（説明を参照）
sample_rate	出力サンプルレート（Hz）です。（デフォルト：“24000”）	COMBO	はい	"8000" "16000" "24000" "32000" "44100" "48000"
speech_rate	話す速度です。0 = 通常、100 = 2.0倍、-50 = 0.5倍です。（デフォルト：0）	INT	はい	-50～100
loudness_rate	音量です。0 = 通常、100 = 2.0倍、-50 = 0.5倍です。（デフォルト：0）	INT	はい	-50～100
pitch_rate	ピッチシフト（半音単位、-12～12）です。（デフォルト：0）	INT	はい	-12～12
seed	シードはノードが再実行されるかどうかを制御します。結果はシードに関わらず非決定的です。（デフォルト：42）	INT	はい	0～2147483647

​

パラメータの制約

• 参照モードの依存関係: reference_mode パラメータによって、どの他の入力が必要かが決まります。

  • “text only”: 追加の入力は必要ありません。プロンプトに @AudioN タグを含めてはいけません。
  • “audio reference”: reference_audio_1、reference_audio_2、reference_audio_3 のうち少なくとも1つが接続されている必要があります。参照クリップは順序通りに、かつ欠落なく接続する必要があります（例：_1、次に _2、次に _3）。各クリップの最大長は30秒です。プロンプトは、接続されたクリップを @Audio1、@Audio2、@Audio3 タグを使用して参照する必要があります。
  • “image reference”: reference_image が接続されている必要があります。プロンプトに @AudioN タグを含めてはいけません。
  • “preset voice”: preset_voice が選択されている必要があります。プロンプトに @AudioN タグを含めてはいけません（プロンプト全体が選択された音声で読み上げられます）。

• 音声参照の順序: “audio reference” モードを使用する場合、参照音声入力は reference_audio_1 から順に、欠落なく接続する必要があります。例えば、_1 と _2 を接続することはできますが、_2 なしで _1 と _3 を接続することはできません。

• 最大音声タグ数: “audio reference” モードでは、プロンプトは最大3つの音声クリップ（@Audio1、@Audio2、@Audio3）を参照できます。最も大きい番号のタグは、接続されている参照音声入力の数を超えてはいけません。

​

出力

出力名	説明	データ型
AUDIO	ByteDance Seed Audio 1.0 によって生成された音声出力です。プロンプトで記述された通り、音声、音楽、効果音、またはマルチスピーカーの対話が含まれます。	AUDIO

このドキュメントは AI によって生成されました。エラーを見つけた場合や改善のご提案がある場合は、ぜひ貢献してください！ GitHub で編集

---

Source fingerprint (SHA-256): cefd5fca496b02c35022d25be3d99d3911c1304b6e3a751751b58841d5895ef7