字节跳动发布Seed Audio 1.0：音频生成从“会说”迈向“会创作”

近日，字节跳动正式推出音频创作模型

核心突破：从“拼接”到“端到端创作”

长期以来，影视级音频内容生产依赖多模型分别生成 人声、音效与环境声，再通过人工繁琐拼接与混音，流程冗长且难以保证整体叙事一致性。Seed Audio1.0的核心突破在于，它并非简单拼接素材，而是在统一框架下联合建模多种音频要素，端到端生成可服务于叙事的“完整声音作品”。

功能亮点：从“会说”到“会创作”

• 统一框架建模
  ：将人声、音效、环境声等要素融合在一个模型内，无需分步拼接。

• 端到端生成
  ：输入描述或参考，即可直接输出完整的音频作品，保持叙事一致性。

• 降低制作门槛
  ：创作者无需专业音频编辑技能，即可生成高质量影视级声音内容。

未来规划

团队计划进一步融合视频参考等多模态输入，并探索可控翻译技术，持续优化长音频与分轨生成能力，助力创作者将脑海中的声音构想高效转化为可听见的作品。

体验与使用

Seed Audio1.0已上线火山方舟体验中心，面向创作者开放测试。具体体验路径如下：

• 项目主页
  ：https://seed.bytedance.com/seedaudio1_0

• 体验入口
  ：火山方舟体验中心 - 登录 - 选择语音模型 - 语音合成 - Doubao - 音频生成 - 1.0

小提示

• 使用前请确保已注册火山方舟账号，并完成登录。
• 当前版本为测试阶段，生成结果可能存在不确定性，建议多次尝试以获得最佳效果。
• 若需生成长音频，建议分场景输入，以便模型更好地捕捉叙事逻辑。

常见问题

• 问：Seed Audio1.0可以生成哪些类型的音频？
  
  答：支持生成包含人声、音效、环境声在内的完整声音场景，适用于影视、游戏、短视频等创作场景。

• 问：是否需要专业音频知识才能使用？
  
  答：不需要。模型设计为“一句话生成音频”，只需输入文字描述或参考音频，即可得到结果。

• 问：生成的音频可以商用吗？
  
  答：目前处于测试阶段，具体商用授权请参考火山方舟平台的使用条款。

• 问：未来是否支持分轨导出？
  
  答：团队计划优化分轨生成能力，后续版本可能支持单独导出人声、音效、环境声等轨道。