火山引擎推出语音内容编辑模型

2026年10月13日，火山引擎多媒体实验室推出指令驱动的语音内容编辑模型。据BestBlogs.dev报道，用户可通过自然语言指令直接修改音频中的具体词汇，同时保留原说话人的音色、韵律与上下文衔接。模型采用音频Tokenizer将声音离散化，结合CoT式语义规划，先产生语义表达再生成音频Token，并在解码阶段引入原音频声学特征以保证音色一致。目前该事件仅有这一篇报道，尚无后续进展。

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。