Seed Audio a annoncé aujourd'hui le support de Doubao Seed-Audio 1.0, le nouveau modèle multimodal de génération audio de ByteDance et Volcengine, dans son espace de travail de création musicale IA. Cette intégration marque un changement majeur dans le paysage de l'audio IA, où la génération dépasse la synthèse vocale ou la création musicale sur une seule piste pour aboutir à une production audio de scène complète.
Doubao Seed-Audio 1.0 est rapidement devenu l'une des sorties audio IA les plus surveillées car elle pointe vers un changement plus large dans la catégorie. L'audio IA ne consiste plus seulement à transformer du texte en parole ou à générer une piste musicale à partir d'une invite. La prochaine étape est la génération audio de scène complète, où les dialogues, les émotions, les accents, la musique de fond, l'ambiance et les effets sonores peuvent être créés ensemble dans le cadre d'une seule expérience audio.
Les articles de presse décrivent Doubao Seed-Audio 1.0 comme un modèle de génération audio multimodal capable de travailler avec du texte et de l'audio de référence. Il est positionné autour de la création audio de bout en bout plutôt que de clips isolés. Cette distinction est importante pour les créateurs, car de nombreux projets réels ne se limitent pas à une ligne vocale ou à une chanson. Une bande-annonce de podcast peut nécessiter une narration, une musique de transition, un second intervenant, un son de pièce et un court effet sonore. Un court métrage peut nécessiter des dialogues, une interprétation émotionnelle, des bruits de pas, des sons ambiants et une musique de fond. Un teaser de jeu peut nécessiter une voix off, des sons d'impact, une ambiance et un rythme musical.
Contrairement à un modèle de synthèse vocale traditionnel, Doubao Seed-Audio 1.0 est présenté comme abordant le son global d'une scène. La synthèse vocale se concentre sur la façon dont les mots doivent être prononcés. La génération audio de scène complète pose une question plus large : à quoi devrait ressembler l'ensemble du moment audio ? La réponse peut inclure des voix, de la musique, une texture spatiale, des effets sonores, le ton des personnages et le timing.
Le modèle se distingue également de la génération musicale pure. Les générateurs de musique sont utiles lorsque l'objectif est une chanson, un instrumental, un refrain ou une piste de fond. Doubao Seed-Audio 1.0 est discuté dans un contexte audio plus large, où le contenu parlé, la musique, l'ambiance et le design sonore peuvent appartenir à la même demande créative.
C'est pourquoi cette sortie a attiré l'attention de plus que les musiciens. Les créateurs vidéo, les spécialistes du marketing, les équipes de podcast, les développeurs de jeux, les éducateurs, les éditeurs de médias sociaux et les conteurs de marque ont tous le même problème fondamental. Ils ont besoin d'un audio qui s'adapte à une scène, pas seulement d'un fichier qui sonne bien tout seul.
Doubao Seed-Audio 1.0 arrive également à un moment où les créateurs demandent plus de contrôle après la génération. La première sortie est rarement l'actif final. Une piste générée peut être proche, mais le refrain peut nécessiter plus d'énergie. Une voix peut correspondre à l'ambiance, mais la musique de fond peut être trop chargée. Une courte introduction peut nécessiter une fin plus nette. Une piste de fond vidéo peut nécessiter plus d'espace pour la narration. Ce sont des problèmes de flux de travail autant que des problèmes de modèle.
C'est là que Seed Audio positionne son espace de travail. Seed Audio ajoute le support de Doubao Seed-Audio 1.0 dans un environnement de création musicale IA basé sur des agents, conçu pour aider les créateurs à passer de la première idée à un audio utilisable. Au lieu de traiter le modèle comme une boîte d'invite autonome, Seed Audio place la génération dans un flux de travail où les utilisateurs peuvent esquisser, affiner, étendre, reprendre, remixer, séparer, organiser et réutiliser les actifs audio.
Au centre de la plateforme se trouve Seed Audio Agent, un environnement de création guidée qui aide les utilisateurs à décider de la prochaine étape. Un créateur peut décrire un objectif en langage clair, comme une boucle de jeu cinématique, une introduction de podcast, une piste de fond pour une vidéo courte, une démo de chanson pop ou une bande sonore de lancement de produit. Seed Audio Agent peut alors aider à traduire cette demande en une direction musicale plus claire, choisir le chemin de création ou d'édition pertinent, montrer les détails de la tâche avant exécution et suggérer des actions de suivi après la génération d'un résultat.
« Doubao Seed-Audio 1.0 montre où se dirige l'audio IA, vers une création plus riche et plus contextuelle », a déclaré un porte-parole de Seed Audio. « Notre objectif est de rendre cette capacité utile dans un flux de travail réel de créateur. Les créateurs n'ont pas seulement besoin d'une réponse du modèle. Ils ont besoin d'un moyen d'esquisser, d'affiner, de réutiliser et de finaliser des actifs audio. »
Seed Audio est disponible dès maintenant sur https://seedaudio.ai. Les nouveaux utilisateurs peuvent commencer avec Seed Audio Agent, tester les flux de travail supportés par Doubao Seed-Audio 1.0 le cas échéant, générer des pistes échantillons, explorer la musique publique et utiliser les outils de création et d'édition de la plateforme.
Pour les créateurs qui ont également besoin d'actifs visuels, i2v.ai propose une plateforme de génération d'images et de vidéos IA de haute valeur. Les deux flux de travail peuvent s'associer naturellement pour les vidéos courtes, les publications sur les réseaux sociaux, les publicités, les démos de produits, les visuels musicaux et les actifs de campagne où les créateurs ont besoin à la fois de son et d'images sans gonfler les budgets de production.
