字节跳动发布Seed Audio 1.0音频创作模型，多数场景音频可用率达90%以上

刘绪刚

凤凰网科技讯 7月20日，字节跳动Seed团队今日发布音频创作模型Seed Audio 1.0，面向完整声音场景，在统一框架下联合建模人声、音效和环境声等多种音频要素，端到端完成影视级音频创作。官方称，声音不再只是画面的补充，而是可以直接参与叙事，做到“听见”即“看见”。
该模型具备三大核心能力：多要素统一编排，支持精细时间控制，可按时间线精准控制对白、音效进场；音色风格可控、长时稳定，在长音频场景下保持角色一致性；支持20多种语种的自然音频生成。

官方评测显示，在影视、短剧、动漫、播客等多数场景中，音频可用率已达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，音质达优秀水准。

目前，Seed Audio 1.0已在火山方舟体验中心上线。