字节跳动发布 Seed Audio 1.0，实现影视级音频创作

字节跳动 Seed 团队今日发布音频创作模型 Seed Audio 1.0，该模型在统一框架下联合建模人声、音效和环境声，可端到端生成影视级音频。官方表示，声音可直接参与叙事，实现“听见”即“看见”。

模型支持多要素统一编排与精细时间控制，一条指令即可生成带情绪的对白、音效和环境声，并按时间线精准进场。音色风格可控，在长音频场景下能保持角色一致性，同一音色可自然呈现不同语气和情绪。同时支持 20 多种语言的音频生成，同一角色可依据语种特点呈现自然发音与表达。

据官方评测，Seed Audio 1.0 在文本生成音色能力上表现显著优势，多场景音频可用率达 90%以上。多语言音频自然度方面，大部分语言 MOS 评分超过 4 分，音质达到优秀水准；复杂指令遵循能力除越南语外均高于 3.5 分。该模型已在火山方舟体验中心上线。