像改文字一样改语音:火山引擎全新语音内容编辑模型
火山引擎多媒体实验室推出全新语音内容编辑模型,用户输入原始音频并用一句自然语言说明要改什么,模型即可直接改写声音中说出的内容,同时尽量保留原说话人的音色、韵律和上下文衔接。
推荐理由:原文将语音编辑从修音质推进到改内容,并对照 Descript 与 Meta Voicebox 说明该模型补上了内容可编辑这一环。
火山引擎多媒体实验室推出全新语音内容编辑模型,用户输入原始音频并用一句自然语言说明要改什么,模型即可直接改写声音中说出的内容,同时尽量保留原说话人的音色、韵律和上下文衔接。
推荐理由:原文将语音编辑从修音质推进到改内容,并对照 Descript 与 Meta Voicebox 说明该模型补上了内容可编辑这一环。
字节跳动 STE 固件团队在 OSFC2026 展示了基于证据链的 OpenBMC 调试方案,先用程序分析构建可验证的证据链,再让 AI Agent 在受约束的证据空间完成根因解释与修复建议。
OpenViking 是面向 AI Agent 的统一上下文数据库,让豆包、Codex、Trae 等不同 Agent 通过共享 Context 层读写同一套上下文。
字节 OpenViking 团队用三篇论文拆解 Agent 上下文管理的三个环节:VikingMem(VLDB 收录)管记忆、TrieHI(ICDE 收录)管目录化存储、VikingRAG 管按需检索。
火山方舟 Agent Plan 套餐提供专属 Harness CUA,可自动操控云桌面中的 Blender 完成建模、运镜与渲染,零门槛制作白模预演视频。该套餐集成 Seedance、Seedream 生图生视频模型,并兼容 Claude Code、Codex 等主流工具,统一以 AFP 燃料值结算用量。文章以武当山比武为例,用白模预演加参考图生成了 20 秒写实武侠成片。
OpenViking 最新上线的 Compile 功能可按自定义或预置的 LLM-Wiki Skill,把飞书文档、本地文件、Git 仓库等分散资料编译成相互关联、可追溯的团队知识库。
字节跳动安全研究团队与香港城市大学联合提出的 TWIST 被 ACM CCS 2026 接收,通过密钥将输入 Token 与模型计算映射到同一变换坐标空间,使云端在混淆态下完成标准推理。
阶跃星辰 Step 5 Preview 现已上线 TRAE,用户可在其中直接调用。TRAE 是豆包旗下专业 AI 开发产品,覆盖代码补全、调试、测试、重构到部署的开发全流程。Step 5 Preview 可进入真实软件工程工作流,覆盖 9 类任务、33 种编程语言,DeepSWE 得 67.7 分,ProgramBench 通过率 80.5%。
火山引擎 ADrive 智能网盘让 Agent 在授权范围内直接读取并写入团队项目文件夹,将文件交接从人工中转变为同一空间内的连续协作。项目空间可挂载为本地盘符,支持在线预览、历史版本恢复与链接分享,并通过身份权限和审计记录确保未授权写入被拒绝。企业可申请 ADrive 智能网盘企业版试用,按指引完成配置后接入现有 Agent 工具。
火山引擎存储以图解形式展示 ADrive 跨产品协作实践,基于 ve-adrive-cli v1.0.2 即可跑通第一个文件协作闭环。用户可通过 GitHub Release 下载 ADrive CLI,选择正在进行的内容项目进行体验;如需开通 ADrive,需联系 ADrive 团队申请试用。
火山引擎推出 AI MediaKit 理解式视频编辑引擎,升级视频字幕擦除能力。系统先通过多模态语义理解判断文字角色,决定擦除或保留,再由自研 ReFM 残差流匹配模型从原视频潜变量出发完成 4 步采样修复,避免从随机噪声重建带来的失真。新版支持 50 多种语种擦除,面向短剧出海与素材复用场景。
火山引擎日志服务 TLS AgentLoop 支持多模态内容展示,开发者可在消息和调用节点中直接查看图片,并与提示词、模型输出、工具结果沿同一条链路分析。媒体不再以 Base64 混入日志,而是由插件上传至对象存储 TOS 并在原消息位置写入媒体引用,避免日志超长截断与高存储成本。接入覆盖 Agent 运行时附件、客户自有 TOS 私有资源与 GenAI 标准多媒体消息三种来源。
字节跳动开源的 Agent 上下文数据库 OpenViking 推出经验记忆能力,从任务执行轨迹中提炼可复用的方法、检查项与风险边界,供相似任务跨会话检索复用。
OpenViking 是连接内容创作者与不同 AI Agent 的记忆中枢,把创作所需的资料、偏好和经验统一组织,接入同一服务的 Agent 可按需召回上下文,不再每次从零开始。
推荐理由:文章给出了 Agent 跨会话记忆的分层组织思路与接入步骤,可迁移到选题、写稿、复盘等多环节协作场景。
飞连将安全能力融入豆包工作,围绕工作成果保护、Agent 运行安全与整体 AI 办公治理,为企业提供安全保障。飞连可识别并控制豆包工作生成文件的敏感数据流转,检测并阻断恶意 Skill,保障 Agent 安全运行。飞连还能持续发现终端与网络中的“影子 AI”资产,掌握 Agent 调用大模型、MCP、CLI 的情况并实施访问控制。
懂车帝接入火山引擎 AI MediaKit,搭建灵活可组合的音视频处理底座,服务营销视频批量生产与 UGC 一键成片等场景。AI MediaKit 以原子接口提供裁剪、拼接、翻转、倍速、贴片、转场、字幕及画质处理能力,团队无需重建系统即可复用既有素材、降低成片相似度,营销视频日处理量最高达数千条。统一底座让新场景快速落地,并支持高光剪辑、Vlog、口播视频等需求的二次编排。
火山引擎日志服务 TLS 的 AgentLoop 通过 LLM Observer SDK 将 LLM 应用运行转为标准化 Trace,破解黑盒问题。方案遵循 OpenTelemetry GenAI 语义约定,支持 Node.js 18 及以上环境,覆盖多轮对话、流式响应、工具调用与异常链路。
字节跳动 TikTok Eng-Testing 与复旦大学合作推出 NL2Test Agent,QA 用自然语言描述测试场景即可自动生成可运行的回归测试用例,已部署于多条业务线。
字节跳动技术团队介绍火山方舟 Agent Plan 专属工具「Agent 云电脑」,它自带 agent loop,可自行拆解并执行复杂任务,支持跨网页与桌面操作,创建一次任务后可持续监控进度。
字节跳动技术团队推出面向 AI Agent 的统一上下文数据库 OpenViking,把代码仓库、项目文档、Review 规范、个人偏好等沉淀为 Resource、Memory 和 Skill,统一组织在 viking:// 路径下供不同 Agent 共享调用。
CloudLens for TOS 是日志服务 TLS 与对象存储 TOS 联合推出的日志观测应用,将 TOS API 请求访问与存储资产纳入同一观测框架。访问日志分析提供资源用量、热度统计、访问分析、安全分析和检索分析五个视角,用于实时排障与安全审计;数据透视按天统计资产,从区域、存储类型、存储桶和前缀维度支撑容量规划与成本优化,并支持通过 TLS CLI 接入 Agent 智能诊断。
ADrive CLI(ve-adrive-cli v1.0.2)把查找、读取、传输、同步与权限控制带入 Agent 工作环境,让不同 Agent 围绕同一批文件接力,关键写入和高风险操作仍由人确认。
火山引擎 AI 安全团队基于字节内部 AI 安全治理实践,系统梳理了 Agent 提示词注入攻击的风险背景、技术成因与防护路线。文章区分了提示词注入与越狱攻击的边界,指出 LLM 无法严格区分指令与数据是长期安全挑战,单点检测可被编码混淆、隐形字符、语义改写等方式绕过。
火山引擎 AgentKit Sandbox 提供云端安全隔离的智能体运行环境,5 分钟即可创建可运行 DeepSeek Harness 的沙箱,随用随建、用完即弃。
火山引擎发布《智能体安全能力图谱》,系统性梳理智能体安全建设的 10 大能力维度与 60 项核心技术要素。图谱覆盖 WorkFlow 类、办公类及 AI Coding 类智能体,将企业建设路径划分为 L1 智能体基础安全 AI 防护、L2 智能体精细化管控、L3 智能体安全持续运营 3 个阶段。旨在为企业提供可落地、可持续演进的安全治理框架,实现智能体的可信、可控、可管。