據 Woofun AI 消息，字節跳動正式發佈 Seed Audio 1.0 音頻生成模型。該模型支持通過文本或參考音頻輸入，單次生成約 2 分鐘內容，並實現對話、音效及環境音的同步生成，時間控制精度達 100 毫秒。在延長生成時長時，模型能保持角色聲音一致性，支持 20 多種語言的語音轉換、音調及情緒調整。官方測試顯示，多數場景下音頻可用性率超過 90%，自然度 MOS 評分普遍高於 4 分。目前該模型已在 Volcano Ark 體驗中心上線，並向開發者開放 API 接口。