精选理由
字节跳动出了个全能音频生成模型，一次搞定语音、音乐、音效，还能用图片或参考音频引导，做短视频配乐超方便。
字节跳动通过BytePlus推出Seed Audio 1.0，这是一个非流式TTS模型，可在单次生成中同时输出语音、音乐和音效。该模型支持参考音频引导和图像引导音频生成，并能精细控制语速、音量、音调等参数。与仅处理语音的传统TTS不同，Seed Audio 1.0是一个多模态音频生成模型，适合复杂场景。目前仅对企业开放申请，早期反馈认为生成效果自然，但对音频时长缺乏精细控制。
原文 · berryxia
ByteDance通过BytePlus推出了Seed Audio 1.0，一个非流式TTS模型，能在…
ByteDance通过BytePlus推出了Seed Audio 1.0，一个非流式TTS模型，能在一次生成中同时输出语音、音乐和音效。
它支持参考音频引导、图像引导音频，还能精细控制语速、音量、音调等参数。
和传统只做语音的TTS不同，这更像一个多模态音频生成模型，一次性完成复杂场景的音频内容。
目前只对企业开放申请，早期的反馈提到它生成的音频比较自然，但目前还缺少对时长的精细控制。
这其实是字节在音频生成赛道的一次比较激进的尝试，把语音和背景音效/音乐打包在一个模型里解决。