豆包发布Seed-Audio 1.0，实现文生音频全模态AI创作闭环

2026年6月23日，在火山引擎FORCE原动力大会上，豆包系列五大模型同步发布，包括豆包大模型2.1 Pro、视频生成模型Seedance 2.5、Seedance 2.0 4K版本、图像创作模型Seedream 5.0 Pro，以及全新推出的音频生成模型Seed-Audio 1.0。

Seed-Audio 1.0标志着豆包在音频生成能力上的重要突破。该模型显著降低了高质量语音内容规模化生产的门槛，支持在单次生成过程中，同步完成角色对白编排、情绪与语气调控、方言与口音适配、背景音乐融合及拟音特效添加，直接输出达到影视级水准的完整音效成品。

在长音频内容创作场景中，如长篇有声书、播客节目及系列广播剧，模型通过文本到音频与参考音频的深度协同机制，确保全篇音色高度一致，大幅压缩后期修音所需的时间与人力投入。

此外，Seed-Audio 1.0具备零样本多模态声音推理能力。用户仅需提供一段文字描述，模型即可自主解析并生成与之语义匹配的声音特征，无需提供任何语音样本。

随着该音频模型的正式上线，豆包已全面覆盖文字、图像、视频及音频四大内容模态，形成端到端的AI创作闭环。结合本次同步发布的图文与视频生成工具，内容创作者得以在一个统一平台上完成全流程智能生产，真正实现高效、连贯、一体化的创作体验。