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
DeepMind執行長哈西里斯:我每天睡六個小時,通常在凌晨1點左右感到精力充沛。
Fortune 最近刊登了對谷歌 DeepMind 執行長 Demis Hassabis 的採訪,揭示了他對休息和生產力的非傳統方法。Hassabis 透露,他睡眠時間非常少,將清醒時間劃分為兩個不同的工作階段。關於他的睡眠習慣,Hassabis 表示:“我目標睡六小時,但我的習慣非同尋常。我可以在白天有效運作。”他強調,睡眠少於六小時會對大腦健康產生負面影響。Hassabis 於 2010 年聯合創立了 DeepMind(後被谷歌收購),並因其在蛋白質結構預測方面的開創性工作榮獲 20
儘管營收未達預期,OpenAI 與 Anthropic 仍爭奪市場份額
儘管近期有報導指出 OpenAI 未達營收目標,導致本週二科技股承壓,但私人人工智慧實驗室的投資者仍展現出韌性。資深投資者已確認,儘管媒體報導負面,他們仍不會削減投資。分析師認為當前的 AI 競逐仍處於初期階段,因此排除「贏家通吃」的結果。儘管高昂的運算成本對營收造成壓力,但各實驗室可透過調高訂閱費來提升獲利能力。產業格局正經歷微妙的變化與 OpenAI 不同,競爭對手 Anthropic 獲得了
加州自動駕駛合規:罰單、地理圍欄與 100 萬英里的新時代
Guident 在南佛羅里達州營運一輛 AuveTech 接駁車,並運用其遠端監控技術,管理西棕櫚灘的一條四英里路線以及博卡拉頓的一條一英里路線。| 圖片來源:Guident加州正重新定義無人駕駛車輛的監管格局,從科技產業的「快速行動、打破常規」心態,轉向嚴格的問責制與嚴謹的行駛里程要求。Guident 執行董事長兼執行長哈羅德·布勞恩(Harold Braun)在《機器人報告》(The Robo
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
DeepMind執行長哈西里斯:我每天睡六個小時,通常在凌晨1點左右感到精力充沛。
Fortune 最近刊登了對谷歌 DeepMind 執行長 Demis Hassabis 的採訪,揭示了他對休息和生產力的非傳統方法。Hassabis 透露,他睡眠時間非常少,將清醒時間劃分為兩個不同的工作階段。關於他的睡眠習慣,Hassabis 表示:“我目標睡六小時,但我的習慣非同尋常。我可以在白天有效運作。”他強調,睡眠少於六小時會對大腦健康產生負面影響。Hassabis 於 2010 年聯合創立了 DeepMind(後被谷歌收購),並因其在蛋白質結構預測方面的開創性工作榮獲 20
儘管營收未達預期,OpenAI 與 Anthropic 仍爭奪市場份額
儘管近期有報導指出 OpenAI 未達營收目標,導致本週二科技股承壓,但私人人工智慧實驗室的投資者仍展現出韌性。資深投資者已確認,儘管媒體報導負面,他們仍不會削減投資。分析師認為當前的 AI 競逐仍處於初期階段,因此排除「贏家通吃」的結果。儘管高昂的運算成本對營收造成壓力,但各實驗室可透過調高訂閱費來提升獲利能力。產業格局正經歷微妙的變化與 OpenAI 不同,競爭對手 Anthropic 獲得了





首頁






