字節跳動推出 Seed Audio 1.0,透過全新語音轉內容工具徹底革新音訊創作
近日,字節跳動推出其全新音訊創作模型「Seed Audio 1.0」,標誌著人工智慧音訊生成領域取得重大突破。此次更新使該技術超越基礎的語音合成,能夠創建完全整合的音效場景。該模型目前已於「火山方州體驗中心」開放給創作者進行測試。
傳統上,若要製作媲美影視作品的音訊內容,必須使用多個獨立模型分別生成人聲、音效和環境音,並在後續階段手動進行整合。這種做法不僅耗時,更難以確保整個音訊敘事的一致性。 Seed Audio 1.0 透過將所有音訊元素整合於單一框架內(而非單純拼湊現成素材)來解決此問題,從而能產出支援端到端敘事的完整聲音作品。

根據官方說明,Seed Audio 1.0 具備三項核心功能。首先,它提供精準的時空控制,讓創作者能將對白與音效的精確時機設定至 100 毫秒的精度,這對於影片配音與廣告製作而言是理想選擇。 其次,它提供穩定的語音表現,支援零樣本生成與擴展音訊輸出,同時保留角色的語音特徵。它還能自然地傳達憤怒或喜悅等各種情緒,甚至允許一個聲音代表多個角色。 第三,該模型提供強大的多語言支援,涵蓋中、英、日等超過 20 種語言,確保語音聽起來自然,並符合各語言的本地語言模式。
評估結果顯示,該模型在九種常見的創作情境中表現優異,音訊可用率超過 90%。此外,其多語言生成之自然度 MOS 分數通常高於 4 分,這被視為極佳的評級。

Seed Audio 1.0 從僅能生成語音的工具演進為能創作完整音訊內容的工具,降低了製作高品質音訊素材的門檻。 開發團隊計劃透過整合影片參考等多模態輸入,並探索可控的翻譯功能,進一步強化該模型。他們亦致力於持續提升長音訊與音軌生成能力,協助創作者更有效率地將概念性的聲音構想轉化為功能完整的音訊作品。
專案首頁:
https://seed.bytedance.com/seedaudio1_0
體驗入口:
Volcano 方州體驗中心 - 登入 - 選擇語音模型 - 語音合成 - 豆寶 - 音訊生成 - 1.0
相關文章
美國股市觸及歷史裡程碑,人工智慧與航空航天巨頭準備開啟萬億美元時代
埃隆·馬斯克、山姆·阿爾特曼和達里奧·阿莫迪,這三位科技領域的巨頭,正推動其各自的企業邁向首次公開募股(IPO)。隨著 SpaceX、OpenAI 和 Anthropic——這三家估值接近萬億美元的行業巨頭——即將上市,2026 年被預測將成為美國曆史上新股發行規模最大的一年。這一歷史性的資本激增已引起全球金融界的關注,成為檢驗公共市場吸收如此大規模資金能力的關鍵壓力測試。這些主要融資活動的同步啟動預計將打破 2021 年創下的 1560 億美元紀錄。超級獨角獸的資本博弈每家公司上市的路徑
瑞典人工智慧初創公司Lovable Eyes在完成主要融資輪後估值達132億美元
隨著人工智慧驅動的編碼工具日益普及,瑞典初創公司 Lovable 已獲一輪重大融資。該公司計劃籌集 30 億美元,其估值有望升至 132 億美元——這是去年 12 月記錄的 66 億美元的兩倍。預計 Menlo Ventures 將主導此次投資。Lovable 的吸引力源於其核心的“氛圍編碼”(vibe coding)技術,該技術透過消除對複雜編碼技能的需求來簡化軟體開發。使用者只需以自然語言描述其需求,系統即可自動生成應用程式。這種直觀的方法吸引了個人開發者、設計師和小企業,並擴充套件至 Work
Google 測試 Remy AI 代理,以 Gemini 為重點轉向使用者控制
根據《商業內幕》的報道,谷歌正在測試 Remy,這是 Gemini 的一款全新 AI 個人代理工具。該工具旨在代表使用者執行任務,從而簡化專業工作流程和日常事務。目前,Remy 正在 Gemini 應用的內部員工專屬版本中進行測試。該報告引用了一份內部檔案以及對兩位熟悉該專案的個人的採訪。內部資料將 Remy 描述為“全天候個人代理”,將 Gemini 定位為能夠代表使用者行事的主動助手。接近該專案的訊息人士證實,谷歌員工正在積極測試 Remy。谷歌發言人拒絕提供進一步評論。該報告未提及公開發布
相關專題推薦
評論 (0)
0/500
近日,字節跳動推出其全新音訊創作模型「Seed Audio 1.0」,標誌著人工智慧音訊生成領域取得重大突破。此次更新使該技術超越基礎的語音合成,能夠創建完全整合的音效場景。該模型目前已於「火山方州體驗中心」開放給創作者進行測試。
傳統上,若要製作媲美影視作品的音訊內容,必須使用多個獨立模型分別生成人聲、音效和環境音,並在後續階段手動進行整合。這種做法不僅耗時,更難以確保整個音訊敘事的一致性。 Seed Audio 1.0 透過將所有音訊元素整合於單一框架內(而非單純拼湊現成素材)來解決此問題,從而能產出支援端到端敘事的完整聲音作品。

根據官方說明,Seed Audio 1.0 具備三項核心功能。首先,它提供精準的時空控制,讓創作者能將對白與音效的精確時機設定至 100 毫秒的精度,這對於影片配音與廣告製作而言是理想選擇。 其次,它提供穩定的語音表現,支援零樣本生成與擴展音訊輸出,同時保留角色的語音特徵。它還能自然地傳達憤怒或喜悅等各種情緒,甚至允許一個聲音代表多個角色。 第三,該模型提供強大的多語言支援,涵蓋中、英、日等超過 20 種語言,確保語音聽起來自然,並符合各語言的本地語言模式。
評估結果顯示,該模型在九種常見的創作情境中表現優異,音訊可用率超過 90%。此外,其多語言生成之自然度 MOS 分數通常高於 4 分,這被視為極佳的評級。

Seed Audio 1.0 從僅能生成語音的工具演進為能創作完整音訊內容的工具,降低了製作高品質音訊素材的門檻。 開發團隊計劃透過整合影片參考等多模態輸入,並探索可控的翻譯功能,進一步強化該模型。他們亦致力於持續提升長音訊與音軌生成能力,協助創作者更有效率地將概念性的聲音構想轉化為功能完整的音訊作品。
專案首頁:
https://seed.bytedance.com/seedaudio1_0
體驗入口:
Volcano 方州體驗中心 - 登入 - 選擇語音模型 - 語音合成 - 豆寶 - 音訊生成 - 1.0
美國股市觸及歷史裡程碑,人工智慧與航空航天巨頭準備開啟萬億美元時代
埃隆·馬斯克、山姆·阿爾特曼和達里奧·阿莫迪,這三位科技領域的巨頭,正推動其各自的企業邁向首次公開募股(IPO)。隨著 SpaceX、OpenAI 和 Anthropic——這三家估值接近萬億美元的行業巨頭——即將上市,2026 年被預測將成為美國曆史上新股發行規模最大的一年。這一歷史性的資本激增已引起全球金融界的關注,成為檢驗公共市場吸收如此大規模資金能力的關鍵壓力測試。這些主要融資活動的同步啟動預計將打破 2021 年創下的 1560 億美元紀錄。超級獨角獸的資本博弈每家公司上市的路徑
瑞典人工智慧初創公司Lovable Eyes在完成主要融資輪後估值達132億美元
隨著人工智慧驅動的編碼工具日益普及,瑞典初創公司 Lovable 已獲一輪重大融資。該公司計劃籌集 30 億美元,其估值有望升至 132 億美元——這是去年 12 月記錄的 66 億美元的兩倍。預計 Menlo Ventures 將主導此次投資。Lovable 的吸引力源於其核心的“氛圍編碼”(vibe coding)技術,該技術透過消除對複雜編碼技能的需求來簡化軟體開發。使用者只需以自然語言描述其需求,系統即可自動生成應用程式。這種直觀的方法吸引了個人開發者、設計師和小企業,並擴充套件至 Work





首頁






