字节跳动宣布全资收购Oladeance耳机品牌，完成开放式音频市场布局

近日消息，字节跳动已成功完成了对Oladeance——一家领先的开放式耳机品牌（其主体运营公司为深圳大十未来科技有限公司）的全面收购，持股比例达到100%。与此同时，包括黑蚁资本、蓝驰创投在内的原投资机构股东均已悉数退出。

今年 5 月有报道称字节跳动公司以约 5000 万美元（当前约 3.55 亿元人民币）收购了中国耳机制造商 Oladance，这是其开发可穿戴设备的最新举措。此次收购引入了一支由经验丰富的前 Bose 工程师组成的团队。

此前报道还称，字节跳动正在探索新的硬件类别，寻求将其社交生态系统扩展到手机之外。其中一位知情人士表示，字节跳动管理层看到了将可穿戴设备转变为生成式 AI 服务平台的潜力，其豆包聊天机器人最近成为中国下载次数最多的 ChatGPT 类应用。

Oladance 官网显示，该品牌创立于 2019 年。作为一个创新型消费电子科技品牌，Oladance 全球性地首次提出 OWS（Open Wearable Stereo）专利技术，并推出了全球首款 OWS 全开放耳机。

字节跳动新动向：携手华为芯片，共铸AI模型训练新篇章

9月30日消息，据三位内部知情人士透露，字节跳动正着手研发TikTok专用的创新人工智能模型。该项目的一大亮点在于，其将采用华为制造的高级芯片作为核心算力支撑，进行深度学习及算法训练，此举意在优化用户体验并增强平台内容分发的智能化水平。

报道称，字节跳动现已将目光转向中国国内 AI 芯片供应商，同时也加快自主研发的步伐。在这场 AI 竞赛中，字节跳动的下一步动作是使用华为昇腾 910B 芯片来训练 AI 大模型。

第四位知情人士也称，字节跳动计划建设一个新的 AI 模型，但“不能透露”是否会使用华为芯片。

前述三位知情人士表示，字节跳动已经开始使用昇腾 910B 芯片，主要用于计算密集度较低的推理任务，即利用预先训练好的 AI 模型进行预测。

但训练 AI 模型对算力的要求要高得多，需要海量数据，因此必须使用超高性能芯片。其中一位知情人士则表示，从计算参数来看，新模型的能力和复杂程度将低于字节跳动现有的 AI 模型豆包。

字节跳动没有回复置评请求，TikTok 华盛顿特区发言人 Michael Hughes 则否认了这一消息。“这里的整个前提都是错误的，没有开发新的模式。”华为则没有回复路透社的置评请求。

知情人士还表示，字节跳动今年订购了 10 万多块昇腾 910B 芯片，但截至今年 7 月，收到的不足 3 万块，速度过慢无法满足公司的需求。

字节跳动终止音乐流媒体征程：TikTok Music定于11月28日落幕

近日消息，TikTok官方确认，其音乐流媒体服务TikTok Music计划于2024年11月28日停止运营。自此日期起，TikTok Music的应用登录、订阅服务及所有功能将不再对外开放。同时，用户在该平台的账户信息与个人数据将在服务终止后被安全清除。

TikTok 表示，该公司将不再与音乐流媒体服务竞争，而是通过“添加到音乐应用”功能引导用户使用其他平台。该功能于去年推出，允许用户将他们喜欢的 TikTok 上的歌曲保存到 Spotify、Apple Music 和亚马逊等合作伙伴服务的播放列表中。

TikTok Music 的关闭代表着字节跳动试图利用 TikTok 的巨大影响力和音乐粉丝群体来打造音乐流媒体服务的尝试失败，TikTok 视频曾推动了许多热门歌曲和新艺人的崛起，但这也引发了其与唱片公司的冲突，后者要求更高的使用费。

TikTok Music 最初于 2019 年以 Resso 的名字推出，该应用程序在巴西、印度尼西亚、澳大利亚、墨西哥和新加坡可用。

Seed-Music革新音乐创作：字节跳动推出全能音乐生成工具，精准定制您的旋律

最近，字节跳动惊艳亮相了其音乐创意新工具——Seed-Music，这款革新性的音乐生成模型凭借其多样化的输入接口（涵盖文字描述、音频样本、乐谱乃至语音指令）革新了音乐创作体验，让用户仿佛拥有一位全能的音乐魔术师，轻松编织个性化旋律。

Seed-Music 结合了自回归语言模型和扩散模型，不仅能够生成高质量的音乐作品，还能让你对音乐的细节进行精确控制。无论你是想歌词配乐，还是想改编旋律，这里统统没问题。甚至，你可以上传一段短小的语音片段，系统会自动将它转化为完整的歌声，方便又高效。

功能强大的 Seed-Music 不仅支持声乐和器乐的生成，还包括了歌声合成、歌声转换和音乐编辑等一系列功能，能够满足不同用户的需求。你可以通过简单的文本描述生成流行乐，也能通过音频提示调整音乐风格，真是让人耳目一新。

更有趣的是，Seed-Music 的架构分为三个模块：表示学习模块、生成模块和渲染模块，这些模块像乐队一样齐心协力，通过多模态输入生成高质量的音乐。

表示学习模块将原始音频信号压缩成三种中间表示，适用于不同的音乐生成和编辑任务。生成模块则通过自回归模型和扩散模型，将用户的输入转化为音乐表示。而最后的渲染模块则负责将这些中间表示变成你耳朵可享受的高质量音频。

为了保证音乐的质量，Seed-Music 采用了多种技术：自回归语言模型逐步生成音频符号，扩散模型则通过去噪手段让音乐更加清晰，而声码器则将这些音乐 “代码” 翻译成可播放的高保真声音。

Seed-Music 的训练过程也很有趣，分为预训练、微调和后训练三个阶段。通过大规模的音乐数据，模型获得基础能力，再通过微调提升具体任务的表现，最后还会通过强化学习不断优化生成结果。