近日，字节跳动正式发布了音频创作模型 Seed Audio1.0，标志着AI音频生成技术从单一语音合成阶段，进入完整声音场景创作的全新阶段。该模型现已上线火山方舟体验中心，面向广大创作者开放测试。
核心突破：从“拼接”到“端到端创作”
传统上，影视级音频内容生产需要依赖多个模型分别生成 人声、音效与环境声，再通过人工进行繁琐的拼接与混音，流程冗长且难以保证整体叙事的一致性。Seed Audio1.0的技术突破在于，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，端到端生成可用于叙事的“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、环境声等要素融合于单一模型内，无需分步拼接。
- 端到端生成：输入文字描述或参考音频，即可直接输出完整的音频作品，确保叙事一致性。
- 降低制作门槛：创作者无需具备专业音频编辑技能，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聆听的作品。
体验与使用
Seed Audio1.0现已上线火山方舟体验中心，面向所有创作者开放测试。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。
- 当前版本处于测试阶段，生成结果可能存在不确定性，建议多次尝试以获取最佳效果。
- 如需生成长音频，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、短视频等各类创作场景。 - 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，即可获得结果。 - 问：生成的音频可以商用吗？
答：目前处于测试阶段，具体商用授权请查阅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，后续版本有望支持单独导出人声、音效、环境声等轨道。