火山引擎发布语音内容编辑模型

2026年10月13日，字节跳动技术团队公众号消息称，火山引擎多媒体实验室发布全新语音内容编辑模型。该模型允许用户输入原始音频，并用自然语言说明修改意图，随后直接改写语音中说出的内容。报道举例称，模型可用于将“败血症”替换为“坏血病”、将“极速款”替换为“极速版”等，同时目标是尽量保留原说话人的音色、韵律和上下文表达。报道还介绍，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。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。