火山引擎发布全新语音内容编辑模型

火山引擎多媒体实验室发布全新语音内容编辑模型，用户输入原始音频并用自然语言说明修改意图后，模型可直接改写语音中说出的内容。模型基于自研底座构建，目标是在替换“败血症 → 坏血病”“极速款 → 极速版”等内容时，尽量保留原说话人的音色、韵律和上下文表达。其技术思路包括音频 Tokenizer、自然语言编辑指令、CoT 式语义规划、音频 Token 生成和声码器还原，并使用成对编辑数据进行监督微调。