SeedAudio1.0 统一生成音频场景
智东西 · wechat · 2026-07-20
字节跳动发布了 SeedAudio1.0，这是一个音频创作模型，主打从一段提示词直接生成完整声音场景，包含 对白、音效和环境声。
文章里的实测显示，它已经能做几件比较完整的事：
- 只靠场景描述就生成有剧情感的音频
- 在长音频里保持角色音色一致
- 模仿参考音色，比如新闻联播女声风格
- 支持粤语等多语言输入
- 让台词、环境音和动作音效按时间线协同出现
官方给出的测试数据包括：
- 盲测主观偏好分相较头部商用音频服务最高提升 0.79 CMOS
- 在电影、短剧、播客、动画等十余类场景中，整体音频可用率达到 91%
- 支持 20+ 语言，多数语言的自然度 MOS 超过 4.0
文章还强调了两个能力：
- 多要素协同编排：不用拼接多个工具，就能把角色语气、背景氛围和声音节奏组织成完整作品
- 时间线控制：支持约 100ms 级精度，更适合视频翻配、广告和内容创作
结论是，AI 音频正在从“会发声”走向“会创作”。
所属事件:字节发布 SeedAudio 1.0 并开放 API(5 条相关)→
「多模态」频道最新
- 2 小时 50 美元复刻 Kurzgesagt 格式，引出「AI 创作缺意图」之争 — motionbynick · 2026-10-27
- 29 美分用 Dreamina Seedance 伪造大坝灾难「幕后花絮」 — Standard_Spell5873 · 2026-10-27
- Reddit 求助：Qwen Image 2.1 换装总毁身材比例，Flux 3 Klein 略好 — Existing-Box-7866 · 2026-10-27
- ComfyUI 打造跨场景一致角色：RealVisXL V5 加 img2img 面部参考 — MiaLarsonJL · 2026-10-27
- 29 美分生成迈克尔·贝式屋顶大片，Seedance 实测效果惊人 — PersonalSpace_4225 · 2026-10-27
- 3 步 Turbo LoRA 实测:Moss 图像模型极速出图效果展示 — JadedScorpion · 2026-10-27