豆包语音2.0— 字节跳动推出的升级版AI语音模型

新闻中心 NEWS CENTER

您当前位置：首页 > 新闻中心 > 行业资讯

豆包语音2.0— 字节跳动推出的升级版AI语音模型

2025-10-17

浏览次数：次

返回列表

豆包语音2.0是什么

豆包语音2.0是字节跳动推出的升级版ai语音模型，包含两大核心模型：豆包语音合成模型2.0（doubao-seed-tts 2.0）和豆包声音复刻模型2.0（doubao-seed-icl 2.0）。语音合成模型2.0支持对话式合成，可精准理解语义和情感，实现复杂公式朗读，准确率高达90%。声音复刻模型2.0仅需5秒即可复刻音色，支持多语种，在交互中传递情感，分饰多角色。两者从“说得像”进化到“说得对”，为语音交互带来更强的理解力和表现力，广泛应用在教育、小说配音等场景。豆包语音2.0已正式上线火山引擎语音控台体验中心。豆包语音2.0— 字节跳动推出的升级版ai语音模型 -

豆包语音2.0的主要功能

豆包语音合成模型2.0（Doubao-Seed-TTS 2.0）：
- 对话式合成：支持通过括号指令、语音指令和上下文信息精准控制语音的情感、语气和语调，理解多轮对话的上下文，实现自然流畅的情感表达。
- 复杂公式朗读：专项优化教育场景，涵盖小学到高中的全学科公式，平均准确率高达90%，解决学科辅助中的朗读难题。
- 多场景应用：广泛应用在教育辅助、情感陪伴、内容配音等场景，让语音更具互动性和拟人感。
豆包声音复刻模型2.0（Doubao-Seed-ICL 2.0）：
- 快速音色复刻：仅需5秒即可复刻用户的音色，支持中、英、日、西、葡等多种语言，轻松实现“声似”。
- 情感表现力：复刻的声音具备更强的情感表现力，能在交互中传递贴合语境的情绪，分饰多角色。
- 多场景应用：适用于语音交互、小说配音、播客对话等场景，为用户带来生动、自然的语音体验。