Audio Revue publiée le Mise à jour le
Comparer

ByteDance : Seed Audio 1.0

Seed Audio 1.0 est un modèle de création audio annoncé par ByteDance Seed le 20 juillet 2026 : il génère la parole, les effets sonores, l’ambiance et d’autres éléments sonores d’une scène dans un cadre unifié, à partir de texte, d’audio ou d’autres modalités en entrée. Selon ByteDance Seed, il est utile, entre autres, pour l’audio narratif, le dialogue scénarisé et la vidéo courte.

Connectez-vous pour suivre Seed Audio 1.0 et être prévenu de ce qui change.

À quoi sert Seed Audio 1.0

Audio

Seed Audio 1.0 modélise les éléments sonores dans un même contexte de scène. Une consigne peut décrire le locuteur, son ton émotionnel et sa façon de dire une réplique, mais aussi l’environnement, les effets sonores clés et le déroulé de la scène.

Selon ByteDance Seed à sa sortie, cela le rend utile pour l’audio narratif, le dialogue scénarisé, la vidéo courte, la publicité, le contenu de jeu, la production de type podcast et d’autres formats où le son porte la scène. Volcano Engine cite comme scénarios d’application la création et le montage audio et vidéo, dont le doublage pour le commerce en ligne, les livres audio, le doublage de jeux et la production de podcasts par IA.

Synthèse vocale

Seed Audio 1.0 façonne une voix à partir d’une description écrite, d’un échantillon de référence autorisé ou des deux, sans entraîner un modèle distinct pour chaque locuteur. Selon ByteDance Seed, même avec la voix seule, il peut passer de la narration retenue à l’émotion forte et de la conversation naturelle au jeu dramatique, tout en gardant l’identité vocale.

Selon ByteDance Seed, à sa sortie, le modèle permet de régler dans la consigne le moment des répliques des personnages avec une précision de 100 ms, ce qui le rend utile pour le doublage vidéo, le redoublage, la publicité et l’audio scénarisé. Il peut aussi adapter la voix d’un personnage d’une langue à l’autre en conservant son timbre reconnaissable et son style de jeu.

Dans l’API de Volcano Engine, une voix peut également être désignée par un identifiant, parmi les voix du modèle de synthèse vocale de Doubao ou des voix clonées.

Musique

Seed Audio 1.0 génère ensemble la musique de fond, les effets d’ambiance et la voix, sans logiciel de mixage supplémentaire. À sa sortie, le réglage du minutage porte surtout sur le dialogue des personnages ; ByteDance Seed prévoit de l’étendre aux effets sonores, à l’ambiance et à la musique.

  • Audio
  • Synthèse vocale
  • Musique

Les performances de Seed Audio 1.0

Selon ByteDance Seed, Seed Audio 1.0 affiche à sa sortie un taux d’audio utilisable supérieur à 90 % dans la plupart des scénarios testés, parmi lesquels figurent le cinéma et la télévision, le drame court, l’animation, le dialogue de podcast, le commerce en direct, le théâtre et la synthèse vocale.

Selon ByteDance Seed, à sa sortie, en évaluation humaine de la génération multilingue, la plupart des langues obtiennent une note moyenne d’opinion (MOS) de naturel supérieure à 4.0. Pour le suivi des instructions sur des tâches audio complexes, toutes les langues évaluées sauf le vietnamien dépassent la note de 3.5.

Caractéristiques techniques de Seed Audio 1.0

Seed Audio 1.0, annoncé par ByteDance Seed le 20 juillet 2026, est un modèle de création audio : il génère la parole, les effets sonores, l’ambiance et d’autres éléments sonores d’une scène dans un cadre unifié.

Dans Seed Audio 1.0, un modèle de langage structure l’intention créative en réglages au niveau de la scène, tandis qu’un générateur acoustique fondé sur la diffusion produit l’audio final dans un espace latent haute fidélité. Le modèle génère jusqu’à deux minutes d’audio par passe et permet de prolonger la génération, ce qui, selon ByteDance Seed, aide un personnage à rester reconnaissable sur des scènes plus longues et des prolongations répétées.

Seed Audio 1.0 génère de l’audio dans plus de 20 langues, dont le chinois, l’anglais, le japonais, le coréen, l’espagnol, l’indonésien, l’allemand, le français, le thaï et le vietnamien.

Chez Volcano Engine, la plateforme cloud de ByteDance, le modèle de génération audio Doubao 1.0 (豆包音频生成模型 1.0) correspond à Seed-Audio 1.0. Il accepte en entrée du texte, de l’audio et d’autres modalités, et l’interface sans diffusion en continu de son API génère au plus 120 secondes d’audio par requête.

Une requête reçoit une consigne ou un texte à synthétiser, accompagné de trois audios de référence au maximum, de 30 secondes au plus chacun, ou d’une seule image de référence. L’audio sort en wav, mp3, pcm ou ogg_opus, et la requête permet de régler la vitesse, le volume et la hauteur de la voix.

Éditeur
ByteDance
Sortie
Hébergeurs
Seed

Source : OpenRouter.

Où utiliser Seed Audio 1.0

Seed Audio 1.0 figure sous juin 2026 dans le journal des nouveautés de Doubao Voice, chez Volcano Engine, sous le nom de modèle de génération audio Doubao. Dans son billet du 20 juillet 2026, ByteDance Seed annonce sa disponibilité par BytePlus. Dans la version chinoise du même billet, également datée du 20 juillet 2026, ByteDance Seed écrit qu’il est déjà en ligne dans le centre d’essai de Volcano Ark.

L’API audio de Volcano Engine appelle le modèle sous l’identifiant seed-audio-1.0. Sur OpenRouter, mis en ligne le 25 septembre 2026 sous l’identifiant bytedance-seed/seed-audio-1-0, il accepte du texte en entrée et produit de la parole.

L'API chez des hébergeurs

Servi par d'autres hébergeurs que ByteDance, selon OpenRouter

Hébergé via OpenRouter chezSeed

Un accès gratuit dépend toujours de l'outil, de l'offre et de ses limites : nous ne l'attribuons pas au modèle seul.

FAQ

Quand Seed Audio 1.0 a-t-il été annoncé ?

Seed Audio 1.0 a été annoncé par ByteDance Seed dans un billet daté du 20 juillet 2026, qui le présente comme un modèle de création audio. Le journal des nouveautés de Doubao Voice, chez Volcano Engine, l’inscrit déjà sous juin 2026.

Que peut lire Seed Audio 1.0 ?

Seed Audio 1.0 accepte en entrée du texte, de l’audio et d’autres modalités : une consigne ou un texte à synthétiser, avec des audios de référence ou une image de référence. Il génère la parole, les effets sonores et l’ambiance d’une scène.

Seed Audio 1.0 génère-t-il de l’audio en français ?

Seed Audio 1.0 génère de l’audio en français, parmi plus de 20 langues dont le chinois, l’anglais, le japonais et le coréen.

Usage sur OpenRouter

Voix
45,5 k requêtes sur le dernier mois · 19e sur 20 des modèles les plus utilisés en Voix

Source : OpenRouter (openrouter.ai/rankings), au , données sous licence CC BY 4.0. Le volume traité via l'API OpenRouter mesure l'adoption, pas la qualité.