Seed-TTS बाइटडांस द्वारा लॉन्च की गई बड़े पैमाने पर स्व-पुनरावर्ती टेक्स्ट-टू-स्पीच (TTS) मॉडल की एक श्रृंखला है, जो मानव भाषण से लगभग अप्रभेद्य आवाज उत्पन्न कर सकती है। यह भाषण संदर्भ अधिगम, वक्ता समानता और प्राकृतिकता के मामले में उत्कृष्ट प्रदर्शन करता है, और ठीक-ठीक समायोजन के माध्यम से व्यक्तिपरक स्कोर को और बढ़ाया जा सकता है। Seed-TTS भावनाओं जैसे भाषण गुणों पर बेहतर नियंत्रण प्रदान करता है और अत्यधिक अभिव्यंजक और विविध आवाज उत्पन्न कर सकता है। इसके अतिरिक्त, इसमें भाषण विघटन के लिए एक स्व-आसवन विधि और मॉडल की मजबूती, वक्ता समानता और नियंत्रण को मजबूत करने के लिए एक प्रबलित शिक्षण विधि प्रस्तुत की गई है। यह Seed-TTS मॉडल के गैर-स्व-पुनरावर्ती (NAR) संस्करण Seed-TTSDiT को भी प्रदर्शित करता है, जो एक पूरी तरह से प्रसार-आधारित आर्किटेक्चर का उपयोग करता है, पूर्व-अनुमानित ध्वनि अवधि पर निर्भर नहीं करता है, और अंत-से-अंत भाषण उत्पादन के लिए उपयोग किया जाता है।