字节发布 Seed Audio 1.0 音频创作模型，多项能力超竞品，未来表现值得期待！

字节继“豆博士”“Seedance 2.0”后，又推出新模态模型 Seed Audio 1.0 音频创作模型。它能力强大，多项指标超竞品，实际体验也有亮点。

模型介绍

Seed Audio 1.0 面向完整声音场景，联合建模多种音频要素，端到端完成影视级音频创作，能让声音参与叙事，“听见”即“看见”。目前能输入 3000 字以内提示词，音频时长约 2 分钟。

核心能力

一是一条 prompt 可编排特定情绪声音并精准设定时间；二是支持参考音频输入，维持固定音色；三是支持 20 多种语言，利于企业多语言需求低成本切换。

主观评测

文本生成音色能力得分超竞品，生成音频可用率、高品质标准音频生成率也远超竞品，多场景音频生成多数场景可用率达 90% 以上，但高品质生成概率低。多语言方面多数语种得分不错。

实际体验

测试有不足也有亮点，如结尾背景音乐未体现、部分音色 AI 味浓，但可上传参考音频。与剪映克隆音色相比，后期空间大。部分场景使用门槛高，但可让 AI 生成提示词。

未来展望

字节曾将 Seedance 做成全球最强视频创作模型，此次 Seed Audio 1.0 只是开始，未来迭代及与 Seedance 结合，表现值得期待。

编辑观点：字节在 AI 领域不断发力，Seed Audio 1.0 已展现强大实力。虽有不足，但迭代升级后有望成音频创作领域利器，值得从业者关注。