ByteDance випустила генеративну аудіомодель Seed Audio 1.0

ByteDance представила модель для створення аудіо Seed Audio 1.0, яка може одночасно генерувати діалоги, звукові ефекти та фонові звуки за допомогою одного запиту, а також контролювати вхід звуку за часовою шкалою. Ця модель підтримує текстовий та референсний аудіо-вхід, точність контролю часу становить 100 мілісекунд, за один раз можна згенерувати приблизно 2 хвилини аудіо, яке можна продовжувати розширювати, зберігаючи однаковий тембр голосу персонажа. Seed Audio 1.0 підтримує понад 20 мов, однаковий тембр може бути перенесений між мовами, а також можна змінювати тон і емоції. Офіційні тести показали, що у більшості сцен аудіо може бути використане більш ніж у 90% випадків, а природність більшості мов за шкалою MOS перевищує 4 бали. Модель вже доступна в центрі досвіду Huoshan Ark і відкрито API для інтеграції.

Цей контент надано лише для загальних інформаційних цілей і не є фінансовою, інвестиційною, юридичною чи податковою консультацією. Події, нагороди, онлайн-акцій або пов’язану інформацію, згадана тут, не слід розглядати як рекомендацію, прохання чи запрошення до купівлі, продажу, торгівлі чи інших операцій з криптоактивами. Криптоактиви є дуже волатильними та можуть призвести до збитків. Доступність послуг, продуктів WEEX та пов’язаних із ними подій може відрізнятися залежно від регіону. Ви несете відповідальність за забезпечення відповідності вашої участі чинному місцевому законодавству та нормативним актам.