字节跳动发布 Seed Audio 1.0 场景级音频生成模型

字节跳动发布 Seed Audio 1.0，并称该模型已通过 BytePlus 提供。模型可根据提示词统一生成语音、音效、环境声等场景音频，支持对白时间控制，精度为 100 毫秒间隔；单次最多生成两分钟音频，并支持 20 多种语言。文章称其当前时间控制主要针对角色对白，其他声音元素的细粒度控制仍待扩展。