近日，火山引擎正式推出豆包音频生成模型 1.0（Doubao-Seed-Audio 1.0），依托全新升级的AI 音频生成技术，彻底革新传统音频后期制作模式，大幅降低创作门槛，让普通创作者也能凭借高效的 AI 音频生成能力，轻松产出成片级专业音频作品。

该模型支持文本、音频双模态输入，可实现端到端完整音频生成，也是当下 AI 音频生成领域的核心技术突破。其最大亮点是依托单条 Prompt 就能完成音频全要素创作，彻底颠覆传统制作模式。以往制作专业音频，需要分开制作对白、音效、背景音乐，还要手动对齐音轨、混音剪辑，不仅流程复杂，还十分考验创作者的后期技术。而全新的豆包音频生成模型，只需一段简单指令，就能自定义多角色台词、情绪语气、方言口音、停顿节奏等细节，同时同步匹配环境音效与配乐，输出内容可直接应用于有声剧、播客、品牌宣传音频等场景，彻底省去多轨后期剪辑工作，让 AI 音频生成真正实现高效落地。

针对长音频创作的行业痛点，这款模型也带来了针对性优化。不少创作者在制作有声书、长剧集、长时长播客时，常会遇到角色音色前后不统一、容易“串戏”的问题，需要反复修音校对，耗费大量时间。对此，豆包音频生成模型 1.0 通过文生与参考音频深度联动，精准保障长音频音色一致性。模型单次可生成 2 分钟音频，且支持多次延长生成，全程音色稳定统一，完美适配各类长音频创作需求。

在创作灵活性上，模型实现了音色与风格的解耦控制，解锁了“一声多角”的创意效果。同一音色可根据不同剧情、语境切换情绪与表达风格，大幅丰富了配音创作的层次感，有效提升音频内容的生产效率与创意空间。

目前，该模型已开启多渠道落地布局，让优质的AI 音频生成能力面向全品类用户开放。火山方舟已开放 API 邀测，面向企业开发者提供专业能力支持；个人用户可在豆包体验中心领取 30 分钟免费创作额度。后续，模型还将陆续登陆剪映、即梦、番茄等主流平台，让普惠、高效的 AI 音频生成能力触达更多普通用户与内容创作者。

以上关于火山引擎上新豆包音频生成模型1.0，AI音频生成实现一键全流程创作的文章就介绍到这了，更多相关内容请搜索码云笔记以前的文章或继续浏览下面的相关文章，希望大家以后多多支持码云笔记。

「点点赞赏，手留余香」

赞 33 赏

给作者打赏，鼓励TA抓紧创作！

微信 支付宝

还没有人赞赏，快来当第一个赞赏的人吧！