模型定位
Seed Audio 1.0 是面向完整聲音場景的音訊創作模型,在統一框架中生成並協調人聲、音效和環境聲,而不只是文字轉語音。官方公告日期為 2026 年 7 月 20 日。(seed.bytedance.com)
能力與用途
- 可依提示詞安排角色對白、情緒、背景氛圍及音效;角色對白的進場時間可按 100 毫秒間隔指定。
- 支援文字描述和參考音訊控制聲音,並可基於參考音訊延展生成;同一音色可呈現不同情緒與表達方式。
- 官方公告稱模型涵蓋 20 多種語言。適用於敘事音訊、配音、廣告、遊戲、播客及短影音等創作。(seed.bytedance.com)
限制與接入
- 公告指出,精細時間控制目前主要針對角色對白;音效、環境聲及音樂的更細緻控制,以及影片參考、分軌生成和可控翻譯,屬於後續探索方向,不應視為已普遍提供的功能。(seed.bytedance.com)
- 火山引擎豆包語音文件列出的接口為非串流 HTTP,單次輸出最長 120 秒;提示詞上限為 3,000 字元,最多可提供 3 段參考音訊及 1 張圖片。該文件列出的支援語言為中文、英文,與模型公告的整體語言涵蓋範圍不同,實際能力應以所用平台文件為準。(docs.volcengine.com)
- 官方公告列有中國大陸火山方舟體驗入口及國際 BytePlus 接入方式。(seed.bytedance.com)
價格
查詢日期:2026 年 11 月 16 日。 以下為中國大陸火山引擎「豆包音頻生成模型 1.0」官方價格,幣種為人民幣(CNY)。計費依據是模型原始輸出音訊時長;所查價格並非依輸入或輸出 token 分別計價,未核實獨立輸入費率。(docs.volcengine.com)
- **後付費 API:**CNY 1/生成音訊分鐘。
- **預付資源包,有效期 1 年:**30 分鐘 CNY 30;200 分鐘 CNY 190;200,000 分鐘 CNY 180,000;500,000 分鐘 CNY 425,000;2,000,000 分鐘 CNY 1,600,000。
- **額外並發:**正式版預設 5 並發,超出部分可按 CNY 300/並發/月增購。(docs.volcengine.com)
國際站 BytePlus 的官方定價頁已查詢,但本次未能讀取頁內具體金額,因此國際站價格未核實;不以第三方報價或匯率補齊。(docs.byteplus.com)