字节发布Seed Audio 1.0音频创作模型：支持精细时间控制，音色风格可控

字节跳动发布 Seed Audio 1.0 音频创作模型，实现精细时间控制与音色风格可控，在影视级音频生成上达到可用率 90% 以上，值得关注。

• 多要素统一编排：一条 prompt 即可同时生成对白、音效和环境声，并支持按时间线精确控制声音进场，实现“听见即看见”的叙事效果。
• 音色风格可控且长时稳定：支持文本与参考音频输入，在长音频和多次延长场景下保持角色一致性，同一音色可自然呈现不同语气和情绪。
• 多语种自然生成：支持 20+ 语种，同一角色声音能依据语种特点呈现更自然的发音、节奏与表达方式，在音频自然度上大部分语言 MOS 超过 4 分。
• 多场景高可用率：在影视、电视节目、短剧、动漫、播客对话、直播带货等场景中，音频可用率多数达到 90% 以上。
• 影响/看点：Seed Audio 1.0 将音频创作从“后期配音”升级为“智能编排”，大幅降低影视级音频制作门槛，有望推动短视频、直播、影视等行业的音频内容生产效率变革。

本内容由 AI 生成，仅供参考，请注意甄别