字節跳動發布 Seed Audio 1.0 生成音頻模型

字節跳動發布音頻創作模型 Seed Audio 1.0，能夠透過一條 prompt 同時生成對白、音效和環境聲，並按時間線控制聲音進場。該模型支持文本和參考音頻輸入，時間控制精度為 100 毫秒，單次可生成約 2 分鐘音頻，並可繼續延長，保持角色音色一致。Seed Audio 1.0 支持 20 多種語言，同一音色可跨語言遷移，且可切換語氣和情緒。官方評測顯示，多數場景的音頻可用率超過 90%，大部分語言的自然度 MOS 超過 4 分。該模型已上線火山方舟體驗中心，並開放 API 接入。