IT之家 前天
豆包发布语音合成/声音复刻等大模型:能理解情感、调节音调风格
index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_keji1.html

 

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%

宙世代

宙世代

ZAKER旗下Web3.0元宇宙平台

一起剪

一起剪

ZAKER旗下免费视频剪辑工具

相关标签

语音合成 效果 公式 it之家 准确
相关文章
评论
没有更多评论了
取消

登录后才可以发布评论哦

打开小程序可以发布评论哦

12 我来说两句…
打开 ZAKER 参与讨论