火山引擎发布语音内容编辑模型

2026年9月30日，InfoQ 中文报道，火山引擎多媒体实验室发布指令驱动的语音内容编辑模型。用户可用自然语言说明要修改的内容，模型在保留原音色与韵律的前提下对语音进行局部再生成。技术流程上，模型先将原音频转为离散音频 Token，与编辑指令一同输入，经 CoT 式语义规划后再生成音频 Token，最后由声码器还原波形；训练数据由原音频、编辑指令、修改后语义表达和语音结果成对组成。报道未提及该模型的发布时间表、开放范围或效果评测数据。

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。