Adobe 在 8 月 20 日宣布，Firefly 平台上的三款音频生成工具结束测试阶段，正式转为普遍可用版本。这三款工具分别负责配乐、配音和音效，加上此前已有的图像、视频与设计工具，Firefly 由此把一条视频从画面到声音的生产链条收进了同一个界面。

三款工具各管一段声音

生成音乐（Generate Music）用于产出原创曲目，并会根据视频的长度和情绪基调做调整。它可以分析视频内容，再据此给出它判断最合适的提示词，这些提示词是可以编辑的。用户也能在生成前手动调整节奏、情绪强度和时长等参数，点击生成后一次会返回四个版本供挑选。

生成语音（Generate Speech）负责把脚本转成听起来自然的配音。这一项提供两种模型可选：Adobe 自家的 Firefly 语音模型，或者第三方的 ElevenLabs。用户可以对脚本中的特定片段添加表现力标签和发音标签，用来控制某一句该怎么读。

生成音效（Generate Sound Effects）用于制作与画面动作、时间点和力度相匹配的自定义音效。它接受文字提示，也允许用户直接用自己的声音录一段作为参考音，再由模型生成对应效果。

三款工具目前运行在 Firefly 的桌面端和移动端网页应用中。

真正的卖点不是音质，而是授权

在这次发布中，Adobe 反复强调的并非音频听起来有多好，而是它能不能安全地用于商业项目。按照 Adobe 的说法，生成音乐产出的是完整授权的原创曲目，可以直接用于成品；并且与生成语音、生成音效一样，用户无需额外订阅任何服务，就能生成可商用的素材。换句话说，成品交付出去之后，不必再担心授权问题或被平台下架。

Adobe 在公告中这样描述这个环节的痛点：

声音通常是最后才添加的东西，却是观众最先注意到的东西。它也最容易打断创作节奏——你得跑去用专门的工具和另外的服务，再回来把这些素材拼到一起。今天我们很高兴地宣布，Firefly 广受欢迎的音频工具，包括生成音乐、生成语音和生成音效，已经普遍可用，可以直接进入创作流程，从社交内容、直播视频日志，到短片、产品教程和播客片段。

一份自家调研解释了动机

为了说明这件事的必要性，Adobe 拿出了一份与伯克利音乐学院合作开展的调研，对象是视频创作者、音乐人和市场营销人员。

按 Adobe 公布的结果，100% 的受访者表示会在视频里使用音乐，其中 32.7% 使用 AI 生成的音乐。而在阻碍使用音乐的原因中，43.2% 的受访者提到法律与版权风险，38.9% 提到授权成本。

需要说明的是，这份调研由 Adobe 主导发布，公开信息中并未给出样本量和具体调研方法，因此这些比例更适合当作 Adobe 对市场需求的判断依据来看，而不是行业普查数据。不过它至少解释清楚了 Adobe 为什么把”授权”当作这次发布的核心话术——如果版权顾虑确实是最大障碍，那么一个自带授权的音频生成工具，卖的就是省心。

模型清单继续扩张

同一天，Adobe 还宣布把 Gemini Omni Flash 接入了 Firefly。按官方说法，这个模型让用户”能够在文本之外，用视频、音频和图像作为输入来给出提示，从而有更多方式来推进视频创作，并通过来回编辑重新调整它”。

这一步距离 Adobe 上一次扩充模型清单只隔了几天——此前它刚刚把 Runway Aleph 2.0 和可灵 2.0 加入第三方模型工具集。算下来，Firefly 内部目前汇集的模型来自 Google、可灵 AI、Luma AI、OpenAI、Runway，以及 Adobe 自己。

这种做法值得留意：Adobe 一边自研 Firefly 语音模型，一边把 ElevenLabs 这样的竞争者摆在旁边供用户选择。它似乎更在意创作流程发生在哪个窗口里，而不坚持每个环节都必须由自家模型完成。当然，这也带来一个现实问题——Adobe 反复承诺的”商业安全”，是与 Firefly 自家模型绑定的，这份保证并不天然覆盖平台上其他公司的模型输出。对需要交付客户成品的创作者来说，具体用了哪个模型，仍然值得在动手前确认一遍。