豆包发布4款大模型：语音合成/声音复刻，支持情感与风格调节

10月16日，据“火山引擎”官方公众号消息，在今日举行的FORCE LINK AI创新巡展·武汉站活动中，火山引擎正式发布并升级了四款豆包大模型：豆包大模型1.6升级版，原生支持4种思考长度；豆包大模型1.6 lite、豆包语音合成模型2.0、豆包声音复刻模型2.0全新亮相。

各款模型的核心信息汇总如下：

豆包大模型1.6升级版

此次升级提供了Minimal、Low、Medium、High四种思考长度配置，帮助企业根据实际应用场景在模型效果、响应速度和成本控制之间找到最佳平衡点，同时显著提升了模型的思考效率。值得一提的是，这也是国内首个原生支持“分档调节思考长度”功能的大模型。

与升级前采用的单一思考模式相比，升级后的豆包1.6模型在保持模型效果不变的前提下，实现了总输出Tokens数量降低77.5%、思考时间缩减84.6%的显著提升。

为了进一步满足企业多样化的需求，火山引擎同步推出了豆包大模型1.6 lite（Doubao-Seed-1.6-lite）。相比旗舰版豆包1.6，这款轻量版模型体积更小、推理速度更快，同时具备更优的性价比。在效果方面，该模型已全面超越豆包大模型1.5 pro（Doubao-Seed-1.5-pro），在企业级场景测评中较豆包1.5 pro提升14%；在价格方面，在使用量最大的0-32k输入区间内，综合使用成本较豆包1.5 pro降低53.3%。

豆包语音合成、声音复刻2.0模型

豆包语音合成模型2.0（Doubao-Seed-TTS 2.0）与豆包声音复刻模型2.0（Doubao-Seed-ICL 2.0）在情感表现力、指令遵循能力和复杂公式朗读准确性方面都实现了显著提升。

基于豆包大语言模型研发的全新语音合成架构，让合成与复刻的声音都具备深层次的语义理解能力，并拓展出上下文推理功能，从单纯的文本朗读进化成为“理解后的精准情感表达”。用户还能通过自然语言指令，实现对语速、情绪、声线、音调和风格变化的精细调控，大幅提升了语音生成的可控性。

新发布的两大语音模型还针对教育场景进行了专项优化。目前，在小学至高中阶段全学科的复杂公式朗读测试中，准确率可达90%。

免责声明

游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。

同类文章