近日，字节跳动正式推出音频创作模型Seed Audio1.0，标志着AI音频生成技术从单一语音合成阶段，迈入完整声音场景创作的崭新阶段。该模型目前已上线火山方舟体验中心，向创作者开放测试。
长期以来，影视级音频内容生产依赖多模型分别生成人声、音效与环境声，再通过人工繁琐拼接与混音，流程冗长且难以保证整体叙事一致性。Seed Audio1.0的核心突破在于，它并非简单拼接素材，而是在统一框架下联合建模多种音频要素，端到端生成可服务于叙事的“完整声音作品”。
据官方介绍，Seed Audio1.0具备三大核心能力。首先是精准的时空编排，支持以100毫秒的精度按时间线控制对白、音效的入场时机，完美适配视频配音与广告制作。其次是稳定的音色演绎，支持零样本生成与长音频延展，在保持角色音色一致性的同时，能自然呈现愤怒、喜悦等不同情绪，甚至允许同一音色演绎多个角色。第三是地道的多语种支持，覆盖包括中文、英语、日语在内的20余种语言，确保声音在不同语种下都能符合本土的表达节奏与重音习惯。
评测数据显示，该模型在九大类常见创作场景中的音频可用率已超过90%，多语言生成的自然度MOS评分普遍达到4分以上（优秀水平）。
从“会说”到“会创作”，Seed Audio1.0的发布降低了高质量音频内容的制作门槛。未来，团队计划进一步融合视频参考等多模态输入，并探索可控翻译技术，持续优化长音频与分轨生成能力，助力创作者将脑海中的声音构想高效转化为可听见的作品。
https://seed.bytedance.com/seedaudio1_0
火山方舟体验中心 – 登录 – 选择语音模型 – 语音合成 – Doubao-音频生成-1.0
字节跳动视频生成模型Seedance2.5将于7月16日全量开放API，正式商用，降低高品质视频生成门槛。此前6月23日发布，预告7月初终落地。旗下即梦预热，将推会员折扣。
字节跳动发布多模态AI模型Seedream5.0Pro，推动图像创作从生成迈向设计。该模型在图文匹配、结构合理性、文字渲染和画面质感上显著提升，并重点突破复杂信息可视化能力，能精准解析意图，将数据、概念和密集文字转化为专业视觉呈现。
字节跳动AI硬件团队Ocean核心成员、豆包手机硬件产品负责人林夕近期离职，成为公司2024年启动AI手机项目以来首位核心硬件负责人出走，引发外界对项目前景的猜测。内部消息人士否认“豆包手机项目彻底消失”传闻，称项目并未关停，而是转入新调整阶段。
字节跳动旗下AI助手豆包正灰度测试社交功能，已打通飞书账号体系。内测新增独立“对话”页面，支持添加豆包好友或飞书好友；收到好友申请时AI会自动发送打招呼消息，已添加的人类好友对话列表中将显示“人类”标识。
火山引擎在2026原动力大会上发布豆包视频生成模型Seedance 2.5，实现跨越式升级。新模型支持单段原生30秒视频直出，可同时导入最多50个全模态素材，生成可控性大幅提升。目前全球企业内测，预计7月初正式上线。
关注 “悠AI” 更多干货技巧行业动态
相关文章
