字节、千问同日“亮剑”，语音大模型竞争向端侧迁移

语音大模型迭代速度明显加快，从最初的基础语音合成到实时对话，再到如今具备情绪表达的拟人化语音，技术边界不断扩展。

在此背景下，互联网头部厂商均在押注语音赛道。7月20日，字节跳动Seed团队正式发布音频创作模型Seed Audio 1.0。据字节跳动方面介绍，该模型面向完整声音场景，在统一框架下联合建模人声、音效和环境声等多种音频要素，端到端完成影视级音频创作。

也是在7月20日，阿里千问推出语音合成大模型Qwen-Audio-3.0-TTS（以下简称阿里千问TTS）。

《每日经济新闻》记者了解到，语音能力已成为大模型厂商的必争之地，一方面语音是人机交互最自然的入口，另一方面该能力也是内容生产的核心基础设施，以及多模态大模型闭环中不可或缺的一环。而在此赛道，竞争的维度正在从声音质量转向体系化的作战能力。

从语音合成到音频创作

《每日经济新闻》记者注意到，Seed Audio 1.0带来的最核心变化，是交付形态的改变。过去，完整音频内容的生产通常依赖多环节拼接，生成人声后再对音效和环境声另外生成，最后人工混音对齐。Seed Audio 1.0则可以直接输出一段完整可用的声音作品。

技术上，字节跳动训练了一个通用声学编码器，将人声、音效、环境声视为同一声音场景的组成部分，映射到统一的声学表征中，而非作为独立任务分别编码。基于这种统一建模方式，模型能够更自然地组织角色语气、背景氛围和声音节奏，输出更接近完整的作品。

字节跳动方面表示，这也是将其定义为“音频创作模型”而非语音合成模型的原因。具体能力体现在三个维度：一是多要素统一编排，一个提示词即可编排带有特定情绪的对白、关键音效和环境声，并按时间线控制进场；二是音色风格可控且长时稳定，支持文本与参考音频输入，单次可生成约两分钟音频，并可在此基础上继续延长，同时保持角色音色与表达方式一致；三是多语种零样本生成，支持20余种语种，使声音在节奏、重音、停顿与情绪等细节上贴合目标语言的表达习惯。

就字节跳动语音产品的演进路径看，这一步跃迁有清晰的铺垫。2025年1月，豆包实时语音大模型上线，主打端到端语音对话；同年6月，语音播客模型发布，可将文本自动转成双人对话形式的播客；同年10月，语音合成模型2.0和声音复刻模型2.0推出，重点提升情感表达和复刻精度。

日前，在接受《每日经济新闻》记者采访时，快思慢想研究院院长、特邀评论员田丰将其形容为音频生产流水线的“合并报表”，模型把原本分属配音、作曲、拟音、混音四个工种的工作，压缩进一次模型推理。

在田丰看来，这和英国人工智能公司ElevenLabs的路径有本质区别，ElevenLabs的Studio是“分别生成、手动组合”，TTS（文本转语音）、音乐、音效是三个独立API（应用程序编程接口），用户需要在时间轴上逐轨对齐，Seed Audio 1.0试图用一次推理替代这条链路的前几个环节。技术上的核心难点，在于长时音色一致性和音色与风格的解耦控制，这两点决定了模型能否从Demo（示范）级走向生产级。

不过，田丰也提醒，成本优势仍需实测验证。其表示，当前，AI（人工智能）配音仍集中在短视频旁白、有声书、课件等对质量容忍度较高的场景。在影视、广告等高端音频中，甲方仍优先选择真人声音。对于长篇有声书这类长音频场景，按分钟计费的成本结构能否低于传统配音叠加音乐授权、音效库的组合成本，还需要进一步验证。

语音能力成资格赛门槛

2026年，从字节跳动的大模型迭代节奏来看，Seed Audio 1.0诞生背后是其越来越清晰的全模态布局轮廓。

2026年2月，字节跳动发布Seedance 2.0，同年4月开放模型API；同年6月，该模型再一次升级，Seedance 2.5面世，同时还发布了Seedream 5.0 Pro，在数月内完成全模态能力升级。与此同时，豆包大模型系列的迭代，也始终围绕推理能力和多模态理解等能力持续升级。

这种全栈布局的优势在于协同。视频生成需要配音，图文内容可以转语音，智能体需要语音交互接口。当所有模态的模型都掌握在手中，自然会提升跨模态应用的打通效率。

事实上，押注语音赛道的大厂，不止字节跳动一家。就在Seed Audio 1.0发布的同一天，阿里千问TTS推出，同样瞄准下一代语音合成。

阿里千问TTS包含面向实时交互的Flash（动画）版本和面向高质量生成的Plus版本（高级版），在细粒度标签控制、“freestyle”（自由风格模式）指令遵循、多语种与方言覆盖以及复杂声学鲁棒性等方面实现系统性提升。阿里千问TTS发布后，还登上了“Artificial Analysis”全球语音合成榜单首位。

《每日经济新闻》记者注意到，阶跃星辰则走了另一条路线。2026年4月发布的StepAudio 2.5 TTS主打语境感知能力，首次把语境理解引入语音生成全流程，通过全局语境控制定义整段语音的情绪基调、角色状态和场景氛围，发布约一个月后即跻身“Artificial Analysis”榜单前三。

由此来看，语音合成的技术竞争已经进入精细化比拼阶段，各家在数据、算法和工程化上持续投入。

在田丰看来，三家解决的其实是三个不同层级的问题：Seed Audio 1.0的建模对象是“场景”，优化目标是多要素编排的协调性，解决批量生产音频内容的问题；阿里千问TTS的建模对象是“单人语音表演”，优化目标是单条语音的表现力，解决如何让合成语音更像专业配音演员的问题；StepAudio 2.5TTS的建模对象是“实时对话中的人”，核心是副语言感知，解决AI在实时对话中如何更像真人的问题。

那么，头部厂商为什么都在加码语音能力？

《每日经济新闻》记者了解到，原因在于交互入口的争夺。当下，无论是智能助手、车载系统还是智能家居都离不开高质量语音交互。但田丰指出，在“文本—图像—视频—音频”的多模态矩阵中，语音是技术链条最长的一环，同时涉及多个环节，每个环节的延迟叠加直接决定用户体验。

而这一战场还在延伸。7月15日，阿里千问宣布将集成至苹果智能设备。对此，田丰认为，这意味着语音大模型的竞争，正从云端API向端侧设备渗透，对延迟和功耗的要求会更高。

从产业视角看，田丰进一步指出，还有一个被忽略的背景，AI公司的估值逻辑正在从模型能力转向多模态覆盖度，没有语音能力的大模型公司，可能会在下一轮融资中处于结构性劣势，语音已经从锦上添花变成“资格赛”门槛。

语音大模型的竞赛还远没到终局，技术路线仍在分化，应用场景也在持续探索。但田丰判断，单纯比音质的窗口期已经结束，价格和融合深度才是下一轮淘汰赛的筛子。真正的竞争转折点，在于谁能率先实现语音理解和语义推理在同一个神经网络内端到端联合训练，而非“先想清楚再说出来”的两段式流程。