字节跳动Seed团队推出音频创作模型Seed Audio 1.0

7月22日，字节跳动Seed团队正式推出全新音频生成模型——Seed Audio 1.0。该模型基于统一架构，可端到端合成涵盖人声、音效及环境声的完整三维音频场景，致力于打造“听即所见”的深度沉浸式听觉体验。

Seed Audio 1.0具备多项关键技术能力：支持毫秒级（100ms）时间精度控制，实现各类声音元素起始时刻的精细编排；支持零样本语音生成与长时音频连续延展，单次输出时长可达约2分钟，并确保角色音色全程一致；兼容中、英、日、韩等20余种语言，且同一音色可在多语种间实现自然、流畅的跨语言迁移。

实测数据显示，Seed Audio 1.0在文本到音色生成任务中性能突出，在影视配音、播客制作、短剧音频等主流应用场景中，音频可用率均突破90%。目前，该模型已正式上线火山方舟体验中心，面向开发者与创作者开放体验。