字节发布 Seed Audio 1.0，一句话生成完整场景音频

字节跳动旗下 BytePlus 推出了 Seed Audio 1.0 音频生成模型。该模型主打通过单条提示词一站式生成包含多角色对话、情绪、配乐与音效的完整音频场景，旨在消除传统多轨编辑的瓶颈，引发了不少关注。

核心功能与特性

Seed Audio 1.0 超越了传统的文本转语音（TTS）技术。@alifcoder 与 @AidenTechAi 指出，开发者不再需要在多个工具间分别拼接人声、音乐和音效，该模型能直接根据一句话产出整段音频。@Shruti0810 的评测也认为，与多数只能解决单一环节的 AI 音频工具相比，Seed Audio 1.0 更接近直接生成完整场景音频，可大幅节省剪辑时间，适用于播客、游戏和 AI 体验等内容创作。

实际演示与反响

该模型的实际表现引发了热议。@nikolamr64990 实测后对其极快的生成速度和完整度印象深刻。此外，@sanchoyai 等人转推了该模型的“足球解说”演示，认为其能流畅生成充满激情、贴合比赛节奏的实时解说，是生成式音频能力的最佳展示之一，体现了其在体育直播等场景的巨大潜力。

2026-07-06 ~ 2026-07-08 · 8 条相关

一手来源