TAG:AI音频生成
德国黑森林实验室推出Flux3：首个支持原生生成音频的多模态基础模型，20秒音画同步生成一次成型
德国黑森林实验室（Black Forest Labs）正式推出多模态基础模型 Flux3，采用 Self-Flow 架构，内置音频、视频、图像及动作编解码器，实现原生音频生成，支持20秒音画同步。Flux3 在文本到图像、视频转视频、关键帧转场、多角色对话等任务中表现突出，在早期测试中以93%胜率超越Luma Ray3.2，77%胜率超越Runway Gen-4.5，并联合Mimic Robotics开发Flux-mimic机器人动作模型，已在奥迪工厂投入生产测试。Flux3Video已上线，Flux3I
1 
0 
字节跳动发布Seed Audio 1.0：音频生成从“会说”迈向“会创作”
字节跳动正式发布Seed Audio 1.0音频生成模型，标志着AI音频创作从单一语音合成迈向完整声音场景创作。该模型端到端联合建模人声、音效与环境声，支持100毫秒级时空编排、稳定音色演绎及多语种（20余种）自然输出，在影视配音、广告等九大创作场景可用率超90%。从“会说”到“会创作”，它让高质量音频制作门槛大幅降低，帮助创作者高效实现脑海中声音构想。
豆包音频生成模型1.0发布，开启音频导演时代
火山引擎发布了豆包音频生成模型1.0，凭借‘多模态参考生成’与‘长时音色一致性’两大核心技术，彻底革新了传统音频制作流程。用户只需输入包含角色台词、情绪语气、背景音乐等的Prompt，即可直接生成具备叙事张力的完整音频成片，解决了长音频创作中角色串戏的痛点。模型还支持0样本多模态创造，无需额外训练即可产出高质量音频，显著降低了专业音频制作的门槛。目前，模型已开放API邀测并将上线多个平台，推动音频创作从繁琐剪辑向高效创意导演演进，标志着AI成为内容创作者的全能助手。
火山引擎发布豆包音频生成模型1.0，实现一句话生成影视级音频及10分钟角色声音一致性
火山引擎发布豆包音频生成模型1.0，这是一款革命性的AI工具，支持通过一条Prompt快速生成包含对白、音效和背景音乐的完整音频作品，实现‘一句话生成影视级音频’。模型突破了长音频创作中角色声音一致性难题，确保10分钟以上音频不‘串戏’，并支持音色解耦控制，灵活适配多场景需求。现已开放API邀测，将极大提升有声剧、播客等音频内容的创作效率。
