Seed Audio 1.0
模型定位
面向完整声音场景的音频创作模型,在统一框架中生成并协调人声、音效和环境声,而不只是单独合成语音。官方公告日期为 2026 年 7 月 20 日,并称模型已通过 BytePlus 提供。(seed.bytedance.com)
能力与用途
- 可根据自然语言提示生成包含角色对白、情绪、环境氛围和音效的协调音频场景;支持对角色对白进行提示词级时间控制,官方公告称时间精度为 100 毫秒。(seed.bytedance.com)
- 支持富有表现力的语音生成及跨语言音色保持。公告称覆盖 20 多种语言;具体可用语言以接入平台和模型版本文档为准。(seed.bytedance.com)
- 火山引擎音频生成 API 支持纯文本、文本加参考音频或文本加参考图片生成;可用于有声书、影视配音、游戏音效,以及广告、短视频和播客式内容制作。(docs.volcengine.com)
限制
- 火山引擎非流式 HTTP API 单次生成的原始音频最长 120 秒,提示词上限 3,000 字符;最多可上传 3 条参考音频,每条不超过 30 秒及 10 MB,或上传 1 张不超过 10 MB 的参考图片。(docs.volcengine.com)
- 官方公告指出,精细时间控制目前主要针对角色对白;对音效、环境声和音乐的更细控制,以及更长、更复杂场景的声音一致性仍有待改进。视频参考输入、长音频及多轨生成属于后续探索方向,不应视为已提供的能力。(seed.bytedance.com)
- 火山引擎模型列表与 API 文档列出的支持语言范围不完全一致,接入前应以实际接口和控制台支持情况核对。(docs.volcengine.com)
价格
查询日期:2026 年 11 月 16 日。以下为不同平台各自的官方报价,不按汇率换算,也不视为同一套餐。
中国大陆:火山引擎,人民币 CNY
- 按量后付费:推理 API 调用按生成音频的原始时长计费,CNY 1/分钟;时长累计精确至秒,变速不改变计费时长。官方所列计费项未列出单独的输入 token 价格。(docs.volcengine.com)
- 一年有效期预付资源包:30 分钟 CNY 30;200 分钟 CNY 190;200,000 分钟 CNY 180,000;500,000 分钟 CNY 425,000;2,000,000 分钟 CNY 1,600,000。(docs.volcengine.com)
- 官方定价来源:火山引擎计费说明。
国际站:BytePlus,美元 USD
- 官方产品页列有 60 分钟音频生成资源包:原价 USD 9.00,符合条件的首次购买优惠价 USD 5.40,有效期一年。优惠活动规则所列期限为 2026 年 7 月 17 日至 12 月 31 日(UTC+8),具体资格及实际结算以官方页面为准。(byteplus.com)
- 该报价为生成音频时长资源包;单独的输入计费及国际站按量后付费单价未核实。
- 官方定价及优惠来源:BytePlus 产品与价格页;首购优惠规则。