ByteDance dio a conocer Seed-Music, un modelo fundacional unificado de audio y música diseñado para abordar los desafíos más complejos de la producción sonora profesional: la síntesis de canciones de alta fidelidad con voces cantadas expresivas, la separación y control granular de pistas instrumentales (stems) y la edición localizada mediante lenguaje natural. Basado en una arquitectura híbrida que combina modelos autorregresivos sobre representaciones discretas de audio con un Transformer de difusión de flujo rectificado para el renderizado espectral continuo, Seed-Music es capaz de sintetizar composiciones completas de hasta cinco minutos en calidad estéreo de 44.1 kHz, permitiendo a los creadores dirigir dinámicamente melodías, cambios de tempo y transiciones estilísticas complejas.
Capítulo 01
La noticia en una frase
ByteDance da a conocer Seed-Music, un modelo fundacional unificado de audio que genera composiciones musicales de alta resolución a 44.1kHz con control milimétrico de estilo vocal, armonía y stems.
En pruebas de evaluación ciega con compositores profesionales y productores discográficos, Seed-Music alcanzó una calificación de calidad acústica (MOS) de 4,3 sobre 5,0, superando significativamente a modelos generativos de audio previos en naturalidad de articulación vocal y riqueza tímbrica.
Capítulo 02
