据称，字节跳动的 Seed Audio 1.0 于 7 月 22 日上线，支持通过单次提示生成对话、音效和环境音频，并实现 100ms 的时间精度。该模型支持文本与参考音频输入，每次生成可产出约两分钟音频，并在扩展能力下进一步增强；同时能够在各输出中保持一致的角色音色。
在大多数场景中，音频可用性超过 90%，且在多数支持语言中，平均意见分数（MOS）超过 4。Seed Audio 1.0 支持 20+ 种语言，具备跨语言语音迁移与音调定制。该模型现已通过 Volcano Ark 体验中心上线，并开放 API 集成。
