# ByteDance Seed Audio 1.0

أنشئ كلامًا وموسيقى ومؤثرات صوتية وحوارًا متعدد المتحدثين من مُوجِّه واحد باستخدام ByteDance Seed Audio 1.0. صِف الصوت أو الأصوات، والعاطفة، والوتيرة، والأجواء المحيطة، وموسيقى الخلفية، والمؤثرات الصوتية في المُوجِّه، وضمّن الجمل المراد نطقها. اختياريًا، اختر صوتًا مسبق الضبط مدمجًا، أو استنسخ أصواتًا من ما يصل إلى 3 مقاطع مرجعية (موسومة بـ @Audio1-3 في المُوجِّه)، أو استخلص صوتًا من صورة شخصية. حتى دقيقتين من الصوت لكل تشغيل. يدعم النموذج متعدد اللغات 20 لغة وتحكمًا زمنيًا قائمًا على الطوابع الزمنية.

## المدخلات

| المعامل | الوصف | نوع البيانات | مطلوب | النطاق |
|-----------|-------------|-----------|----------|-------|
| `text_prompt` | صِف الصوت أو الأصوات، والعاطفة، والوتيرة، والأجواء المحيطة، وموسيقى الخلفية، والمؤثرات الصوتية، وضمّن الجمل المراد نطقها (اذكر أسماء الشخصيات ضمن النص للحوار). في وضع "audio reference"، أشِر إلى المقاطع الموصولة بالترتيب باسم @Audio1، @Audio2، @Audio3. مع النموذج متعدد اللغات، يمكن أن يبدأ السطر المقتبس بنطاق زمني يتحكم في وقت نطقه ومدته، مثل `[5.5s:8.0s] Wait for me!`. اكتب المُوجِّه باللغة نفسها التي تُكتب بها الجمل المراد نطقها. الحد الأدنى 1 حرف، والحد الأقصى 3000 حرف. | STRING | نعم | 1 إلى 3000 حرف |
| `reference_mode` | كيفية تكييف الصوت: "text only" (وصف كل شيء في المُوجِّه)، "audio reference" (استنساخ ما يصل إلى 3 أصوات، موسومة بـ @Audio1-3)، "image reference" (استخلاص صوت من صورة شخصية واحدة)، أو "preset voice" (اختيار صوت مسمّى مدمج يقرأ المُوجِّه). | COMBO | نعم | `"text only"`<br>`"audio reference"`<br>`"image reference"`<br>`"preset voice"` |
| `reference_audio_1` | مقطع مرجعي لاستنساخ الصوت، موسوم بـ @Audio1 في المُوجِّه. حتى 30 ثانية. متاح فقط عندما يكون `reference_mode` هو "audio reference". | AUDIO | لا | حتى 30 ثانية |
| `reference_audio_2` | مقطع مرجعي موسوم بـ @Audio2 في المُوجِّه. حتى 30 ثانية. متاح فقط عندما يكون `reference_mode` هو "audio reference". | AUDIO | لا | حتى 30 ثانية |
| `reference_audio_3` | مقطع مرجعي موسوم بـ @Audio3 في المُوجِّه. حتى 30 ثانية. متاح فقط عندما يكون `reference_mode` هو "audio reference". | AUDIO | لا | حتى 30 ثانية |
| `reference_image` | صورة شخصية واحدة؛ يستخلص النموذج صوتًا منها. لا يمكن دمجها مع الصوت المرجعي. متاح فقط عندما يكون `reference_mode` هو "image reference". | IMAGE | لا | - |
| `preset_voice` | صوت TTS 2.0 مدمج يقرأ المُوجِّه. لا حاجة إلى مقطع مرجعي، ولا تُستخدم وسوم @AudioN في هذا الوضع. مطلوب عندما يكون `reference_mode` هو "preset voice". | COMBO | لا | خيارات أصوات مسبقة الضبط مدمجة متعددة (يُحدد الخيار الأول افتراضيًا) |
| `sample_rate` | معدل أخذ العينات للإخراج بالهرتز. (افتراضي: "24000") | COMBO | نعم | `"8000"`<br>`"16000"`<br>`"24000"`<br>`"32000"`<br>`"44100"`<br>`"48000"` |
| `speech_rate` | سرعة الكلام. 0 = عادي، 100 = 2.0x، -50 = 0.5x. (افتراضي: 0) | INT | نعم | -50 إلى 100 |
| `loudness_rate` | مستوى الصوت. 0 = عادي، 100 = 2.0x، -50 = 0.5x. (افتراضي: 0) | INT | نعم | -50 إلى 100 |
| `pitch_rate` | إزاحة النغمة بوحدات نصف النغمة (-12 إلى 12). (افتراضي: 0) | INT | نعم | -12 إلى 12 |
| `seed` | تتحكم البذرة في ما إذا كان ينبغي إعادة تشغيل العقدة؛ والنتائج غير حتمية بغض النظر عن البذرة. (افتراضي: 42) | INT | نعم | 0 إلى 2147483647 |
| `model` | إصدار النموذج. يدعم `seed-audio-1.0-multilingual` 20 لغة وتحكمًا زمنيًا لكل جملة عبر طوابع زمنية بصيغة `[5.5s:8.0s]`. يدعم `seed-audio-1.0` الإنجليزية والصينية فقط، دون تحكم زمني. (افتراضي: "seed-audio-1.0-multilingual") | COMBO | لا | `"seed-audio-1.0-multilingual"`<br>`"seed-audio-1.0"` |

### قيود المعاملات

- **تبعيات وضع المرجع**: يحدد المعامل `reference_mode` المدخلات الأخرى المطلوبة:
  - **"text only"**: لا تُطلب مدخلات إضافية. يجب ألا يحتوي المُوجِّه على وسوم @AudioN.
  - **"audio reference"**: يتطلب توصيل واحد على الأقل من `reference_audio_1` أو `reference_audio_2` أو `reference_audio_3`. يجب توصيل المقاطع المرجعية بالترتيب دون فراغات. كل مقطع محدود بمدة أقصاها 30 ثانية. إذا استُخدمت وسوم @AudioN في المُوجِّه، فيجب ألا يتجاوز أعلى رقم وسم عدد المقاطع المرجعية الموصولة.
  - **"image reference"**: يتطلب توصيل `reference_image`. لا تُستخدم وسوم @AudioN؛ ويجب أن يحتوي المُوجِّه على النص المراد توليده فقط.
  - **"preset voice"**: يتطلب اختيار صوت مسبق الضبط. يُقرأ المُوجِّه بالكامل بالصوت المحدد؛ ولا تُستخدم وسوم @AudioN كمراجع، وتُرفض الوسوم مثل @Audio2 أو أعلى.

- **ترتيب المرجع الصوتي**: في وضع "audio reference"، يجب توصيل مدخلات الصوت المرجعي بالتسلسل بدءًا من `reference_audio_1` دون فراغات. على سبيل المثال، يمكنك توصيل `reference_audio_1` و`reference_audio_2`، لكن ليس `reference_audio_1` و`reference_audio_3` دون `reference_audio_2`.

- **الحد الأقصى لوسوم الصوت**: في وضع "audio reference"، يمكن توصيل ما يصل إلى 3 مقاطع مرجعية (@Audio1، @Audio2، @Audio3)، ولا يمكن أن يتجاوز أعلى وسم @AudioN في المُوجِّه عدد مدخلات الصوت المرجعي الموصولة.

- **اختلافات النموذج**: يدعم نموذج `seed-audio-1.0-multilingual` 20 لغة (الإنجليزية، الصينية، اليابانية، الكورية، الإسبانية المكسيكية والقشتالية، الإندونيسية، الألمانية، البرتغالية البرازيلية، الفرنسية، التايلاندية، الفيتنامية، الملايوية، الفلبينية، الإيطالية، الروسية، الهولندية، البولندية، التركية، السويدية) بالإضافة إلى تحكم زمني لكل جملة باستخدام طوابع زمنية بصيغة `[5.5s:8.0s]`. ويدعم نموذج `seed-audio-1.0` الإنجليزية والصينية فقط، دون تحكم زمني.

## المخرجات

| اسم المخرج | الوصف | نوع البيانات |
|-------------|-------------|-----------|
| `AUDIO` | مخرج الصوت المُولَّد من ByteDance Seed Audio 1.0، ويحتوي على كلام أو موسيقى أو مؤثرات صوتية أو حوار متعدد المتحدثين كما هو موصوف في المُوجِّه. | AUDIO |

> تم إنشاء هذه الوثيقة بواسطة الذكاء الاصطناعي. إذا وجدت أي أخطاء أو لديك اقتراحات للتحسين، فلا تتردد في المساهمة! [تحرير على GitHub](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/ByteDanceSeedAudio/ar.md)

---
**Source fingerprint (SHA-256):** `e86e4edde424b4427d864350a9d3b082e271fbd2b1e335175637a9cc3ad51163`
