AI热点 2月前 169 阅读 0 评论

豆包发布语音合成 / 声音复刻等四款大模型:能理解情感、调节音调风格、准确读出公式

作者头像
AI中国

AI技术专栏作家 | 发布了 246 篇文章

IT之家 10 月 16 日消息,据“火山引擎”公众号,在今天的 FORCE LINK AI 创新巡展・武汉站活动中,火山引擎全新发布和升级了四款豆包大模型:豆包大模型 1.6 升级,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 全新发布

IT之家汇总各模型主要信息如下:

豆包大模型 1.6 升级版

提供 Minimal、Low、Medium、High 四种思考长度,平衡企业在不同场景下对模型效果、时延、成本的不同需求,并进一步提升了思考效率。这也是国内首个原生支持“分档调节思考长度”的模型。

相比模型升级之前的单一思考模式,升级后的豆包 1.6 模型总输出 Tokens 下降 77.5%、思考时间下降 84.6%,模型效果保持不变。

为进一步满足企业的多样化需求,火山引擎正式推出豆包大模型 1.6 lite(Doubao-Seed-1.6-lite),相比旗舰模型豆包 1.6 更轻量、推理速度更快、更具性价比。效果上,该模型超越豆包大模型 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%;价格上在使用量最大的 0-32k 输入区间里,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)、豆包声音复刻模型 2.0(Doubao-Seed-ICL 2.0),具备更强的情感表现力、更精准的指令遵循能力,还能准确朗读复杂公式

该模型基于豆包大语言模型研发语音合成新架构,让合成和复刻的声音都能进行深度语义理解,并拓展出上下文推理能力,从单纯的文本朗读进化为“理解后的精准情感表达”。用户还能通过自然语言,实现对语速、情绪、声线、音调、风格变化的精准调整,大幅提升语音的可控性。

新发布的两大语音模型进行了针对性优化,目前在小学至高中阶段全学科的复杂公式朗读中,准确率可达 90%

广告声明:文内含有的对外跳转链接(包括不限于超链接、二维码、口令等形式),用于传递更多信息,节省甄选时间,结果仅供参考,IT之家所有文章均包含本声明。

作者头像

AI前线

专注人工智能前沿技术报道,深入解析AI发展趋势与应用场景

246篇文章 1.2M阅读 56.3k粉丝

评论 (128)

用户头像

AI爱好者

2小时前

这个更新太令人期待了!视频分析功能将极大扩展AI的应用场景,特别是在教育和内容创作领域。

用户头像

开发者小明

昨天

有没有人测试过新的API响应速度?我们正在开发一个实时视频分析应用,非常关注性能表现。

作者头像

AI前线 作者

12小时前

我们测试的平均响应时间在300ms左右,比上一代快了很多,适合实时应用场景。

用户头像

科技观察家

3天前

GPT-4的视频处理能力已经接近专业级水平,这可能会对内容审核、视频编辑等行业产生颠覆性影响。期待看到更多创新应用!