ByteDance wprowadza model generowania dźwięku Seed Audio 1.0

ByteDance zaprezentował model do tworzenia dźwięku Seed Audio 1.0, który potrafi generować jednocześnie dialogi, efekty dźwiękowe i dźwięki otoczenia na podstawie jednego promptu, a także kontrolować wprowadzenie dźwięku w czasie. Model obsługuje wejścia tekstowe oraz referencyjne nagrania dźwiękowe, z precyzją kontroli czasu wynoszącą 100 milisekund. Może generować około 2 minut dźwięku jednorazowo, z możliwością dalszego wydłużania, przy zachowaniu spójności barwy głosu postaci. Seed Audio 1.0 obsługuje ponad 20 języków, a ta sama barwa głosu może być przenoszona między językami, z możliwością zmiany tonu i emocji. Oficjalne testy wykazały, że użyteczność dźwięku w większości scen przekracza 90%, a naturalność w większości języków osiąga wynik MOS powyżej 4. Model jest już dostępny w centrum doświadczeń Volcano Ark i udostępnia interfejs API.

Niniejsza treść ma charakter wyłącznie informacyjny i nie stanowi porady finansowej, inwestycyjnej, prawnej ani podatkowej. Wszelkie wydarzenia, nagrody, promocje online lub powiązane informacje, o których tu mowa, nie powinny być traktowane jako rekomendacja, zachęta ani zaproszenie do kupna, sprzedaży, wymiany lub innego rodzaju obrotu aktywami kryptograficznymi. Aktywa kryptograficzne charakteryzują się dużą zmiennością i mogą prowadzić do strat. Dostępność usług, produktów i powiązanych wydarzeń WEEX może się różnić w zależności od regionu. Użytkownik jest odpowiedzialny za upewnienie się, że jego udział jest zgodny z obowiązującymi lokalnymi przepisami i regulacjami.