字节跳动发布Seed Audio 1.0,凭借全新语音转内容工具革新音频创作
近日,字节跳动推出了其全新的音频创作模型“Seed Audio 1.0”,标志着人工智能音频生成技术取得了重大突破。此次更新使该技术超越了基础的语音合成,能够生成完全融合的音频场景。该模型目前已在“火山方州体验中心”向创作者开放测试。
传统上,要制作出媲美影视作品的音频内容,需要使用多个独立模型分别生成人声、音效和环境音,然后手动进行合成。这种方法不仅耗时,而且难以在整个音频中保持连贯的叙事。 Seed Audio 1.0 通过将所有音频元素整合到单一框架中,而非简单地拼接现成素材,解决了这一问题,从而能够产出支持端到端叙事的完整声音作品。

根据官方介绍,Seed Audio 1.0 具备三大核心功能。首先,它提供精准的时空控制能力,创作者可将对话和音效的出现时间精确到 100 毫秒,这对于视频配音和广告制作而言尤为理想。 其次,它提供稳定的语音表现,支持零样本生成和扩展音频输出,同时保留角色的声音特征。它还能自然地传达愤怒或喜悦等各种情绪,甚至允许一个声音代表多个角色。 第三,该模型提供对 20 多种语言(包括中文、英语和日语)的强大多语言支持,确保语音听起来自然,并符合每种语言的本地语言模式。
评估结果显示,该模型在九种常见创意场景中表现优异,音频可用率超过90%。此外,其在多语言生成中的自然度MOS评分通常高于4分,这被视为优秀评级。

Seed Audio 1.0 从仅能生成语音的工具演变为能够创作完整音频内容的工具,从而降低了制作高质量音频素材的门槛。 开发团队计划通过整合视频参考等多模态输入,并探索可控的翻译功能,进一步增强该模型。他们还致力于持续提升长音频和音轨生成能力,帮助创作者更高效地将概念性的声音构想转化为功能完整的音频作品。
项目主页:
https://seed.bytedance.com/seedaudio1_0
体验入口:
Volcano方舟体验中心 - 登录 - 选择语音模型 - 语音合成 - 豆宝 - 音频生成 - 1.0
相关文章
美国股市触及历史里程碑,人工智能与航空航天巨头准备开启万亿美元时代
埃隆·马斯克、山姆·阿尔特曼和达里奥·阿莫迪,这三位科技领域的巨头,正推动其各自的企业迈向首次公开募股(IPO)。随着 SpaceX、OpenAI 和 Anthropic——这三家估值接近万亿美元的行业巨头——即将上市,2026 年被预测将成为美国历史上新股发行规模最大的一年。这一历史性的资本激增已引起全球金融界的关注,成为检验公共市场吸收如此大规模资金能力的关键压力测试。这些主要融资活动的同步启动预计将打破 2021 年创下的 1560 亿美元纪录。超级独角兽的资本博弈每家公司上市的路径
瑞典人工智能初创公司Lovable Eyes在完成主要融资轮后估值达132亿美元
随着人工智能驱动的编码工具日益普及,瑞典初创公司 Lovable 已获一轮重大融资。该公司计划筹集 30 亿美元,其估值有望升至 132 亿美元——这是去年 12 月记录的 66 亿美元的两倍。预计 Menlo Ventures 将主导此次投资。Lovable 的吸引力源于其核心的“氛围编码”(vibe coding)技术,该技术通过消除对复杂编码技能的需求来简化软件开发。用户只需以自然语言描述其需求,系统即可自动生成应用程序。这种直观的方法吸引了个人开发者、设计师和小企业,并扩展至 Work
Google 测试 Remy AI 代理,以 Gemini 为重点转向用户控制
根据《商业内幕》的报道,谷歌正在测试 Remy,这是 Gemini 的一款全新 AI 个人代理工具。该工具旨在代表用户执行任务,从而简化专业工作流程和日常事务。目前,Remy 正在 Gemini 应用的内部员工专属版本中进行测试。该报告引用了一份内部文件以及对两位熟悉该项目的个人的采访。内部资料将 Remy 描述为“全天候个人代理”,将 Gemini 定位为能够代表用户行事的主动助手。接近该项目的消息人士证实,谷歌员工正在积极测试 Remy。谷歌发言人拒绝提供进一步评论。该报告未提及公开发布
相关专题推荐
评论 (0)
0/500
近日,字节跳动推出了其全新的音频创作模型“Seed Audio 1.0”,标志着人工智能音频生成技术取得了重大突破。此次更新使该技术超越了基础的语音合成,能够生成完全融合的音频场景。该模型目前已在“火山方州体验中心”向创作者开放测试。
传统上,要制作出媲美影视作品的音频内容,需要使用多个独立模型分别生成人声、音效和环境音,然后手动进行合成。这种方法不仅耗时,而且难以在整个音频中保持连贯的叙事。 Seed Audio 1.0 通过将所有音频元素整合到单一框架中,而非简单地拼接现成素材,解决了这一问题,从而能够产出支持端到端叙事的完整声音作品。

根据官方介绍,Seed Audio 1.0 具备三大核心功能。首先,它提供精准的时空控制能力,创作者可将对话和音效的出现时间精确到 100 毫秒,这对于视频配音和广告制作而言尤为理想。 其次,它提供稳定的语音表现,支持零样本生成和扩展音频输出,同时保留角色的声音特征。它还能自然地传达愤怒或喜悦等各种情绪,甚至允许一个声音代表多个角色。 第三,该模型提供对 20 多种语言(包括中文、英语和日语)的强大多语言支持,确保语音听起来自然,并符合每种语言的本地语言模式。
评估结果显示,该模型在九种常见创意场景中表现优异,音频可用率超过90%。此外,其在多语言生成中的自然度MOS评分通常高于4分,这被视为优秀评级。

Seed Audio 1.0 从仅能生成语音的工具演变为能够创作完整音频内容的工具,从而降低了制作高质量音频素材的门槛。 开发团队计划通过整合视频参考等多模态输入,并探索可控的翻译功能,进一步增强该模型。他们还致力于持续提升长音频和音轨生成能力,帮助创作者更高效地将概念性的声音构想转化为功能完整的音频作品。
项目主页:
https://seed.bytedance.com/seedaudio1_0
体验入口:
Volcano方舟体验中心 - 登录 - 选择语音模型 - 语音合成 - 豆宝 - 音频生成 - 1.0
美国股市触及历史里程碑,人工智能与航空航天巨头准备开启万亿美元时代
埃隆·马斯克、山姆·阿尔特曼和达里奥·阿莫迪,这三位科技领域的巨头,正推动其各自的企业迈向首次公开募股(IPO)。随着 SpaceX、OpenAI 和 Anthropic——这三家估值接近万亿美元的行业巨头——即将上市,2026 年被预测将成为美国历史上新股发行规模最大的一年。这一历史性的资本激增已引起全球金融界的关注,成为检验公共市场吸收如此大规模资金能力的关键压力测试。这些主要融资活动的同步启动预计将打破 2021 年创下的 1560 亿美元纪录。超级独角兽的资本博弈每家公司上市的路径
瑞典人工智能初创公司Lovable Eyes在完成主要融资轮后估值达132亿美元
随着人工智能驱动的编码工具日益普及,瑞典初创公司 Lovable 已获一轮重大融资。该公司计划筹集 30 亿美元,其估值有望升至 132 亿美元——这是去年 12 月记录的 66 亿美元的两倍。预计 Menlo Ventures 将主导此次投资。Lovable 的吸引力源于其核心的“氛围编码”(vibe coding)技术,该技术通过消除对复杂编码技能的需求来简化软件开发。用户只需以自然语言描述其需求,系统即可自动生成应用程序。这种直观的方法吸引了个人开发者、设计师和小企业,并扩展至 Work





首页






