AI最前沿 88Z.ai 6 月 24 日消息，火山引擎发布豆包音频生成模型1.0，支持文本或音频参考输入，可端到端生成包含多角色对白、情绪及背景音乐的完整音频，并保持长时音色一致。
消息要点
- 支持文本或音频参考输入，端到端生成完整音频
- 单条提示词可编排多角色与背景，长时音色保持一致
要点
火山引擎正式推出豆包音频生成模型1.0。该模型首次实现了对文本描述或音频参考输入的支持，能够以端到端的方式直接生成目标音频内容。用户只需通过单条提示词，即可在生成过程中编排多角色对白、指定情绪语气，并融入背景音乐与环境氛围，从而直接产出完整的音频作品。此外，该模型具备在长时间音频生成任务中保持音色高度一致性的能力，确保了输出内容的连贯性与专业度，为音频创作提供了更高效的一站式解决方案。
资料来源与整理说明
本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述，未将其视为本站实测或独家采访结论。
- 火山引擎原始资料发布于
以上日期为原始资料发布日期；标题下方日期为本文在 AI最前沿的发布时间。