Hogar
Volcano Engine lanza el modelo 1.0 de Doubao Audio: audio cinematográfico en una sola frase y voces de personajes coherentes durante 10 minutos
Ayer, Volc Engine lanzó oficialmente el modelo de generación de audio Doubao 1.0 (Doubao-Seed-Audio 1.0), que admite entradas de texto o audio para producir obras de audio completas de principio a fin. Su principal avance es que una sola indicación puede gestionar a la vez diálogos, efectos de sonido y música de fondo, lo que elimina la necesidad de realizar una edición manual multipista.

Convierte una frase en un director de audio: no hace falta postproducción.
Anteriormente, crear audio de alta calidad requería generar diálogos, efectos de sonido y música por separado, para luego alinear y mezclar las pistas manualmente —un proceso complejo que dependía de la experiencia en posproducción—. El modelo de generación de audio Doubao 1.0 consolida todo esto en una única indicación: los usuarios pueden definir las líneas de diálogo, el tono y el ritmo emocional de varios personajes en una sola instrucción, incorporar detalles como risas, suspiros, pausas y acentos dialectales, y generar música de fondo y efectos de sonido ambientales simultáneamente, obteniendo directamente un producto terminado. Un creador puede escribir una descripción y recibir de inmediato un podcast, un audiolibro o un audio de marca listo para su publicación.
Voces de los personajes coherentes a lo largo de audios largos sin perder calidad.
El mayor reto en la creación de audios largos es la coherencia: garantizar que un personaje suene igual en el minuto uno y en el minuto diez. El Modelo 1.0 de Doubao Audio Generation integra profundamente la conversión de texto a audio con el audio de referencia, manteniendo una calidad de voz constante a lo largo de segmentos largos, de modo que los creadores no tengan que comparar y revisar cada parte. El modelo actual admite hasta 2 minutos de audio por generación y, gracias a la función de extensión, conserva la coherencia de la voz en grabaciones más largas, lo que lo hace ideal para audiolibros, podcasts y series largas.
Además, el modelo ofrece un control independiente de la voz y el estilo, lo que permite que una misma voz se adapte a diversas emociones y contextos, llegando incluso a permitir que una sola voz interprete múltiples papeles con expresiones diferentes. Esto mejora enormemente la flexibilidad para la interpretación de voces de personajes y la producción creativa de audio. Actualmente, Volc Ark ha abierto las pruebas de la API, y los usuarios particulares pueden obtener una cuota de creación de 30 minutos en el Experience Center. El modelo de generación de audio Doubao 1.0 también se lanzará en productos como CapCut, Jiemod y Tomato.
Artículo relacionado
Sora Offline mientras Musk impulsa Grok Imagine con actualizaciones prometidas
El mercado global de vídeo con IA ha experimentado un cambio drástico en apenas un día.Tras que OpenAI cerrara su herramienta de vídeo principal Sora, Elon Musk actuó rápidamente para cubrir el vacío. El miércoles, anunció en X que su empresa de IA,
Los ingresos anuales de Anthropic alcanzan los 47.000 millones de dólares, mientras que la adopción empresarial de Claude se dispara
La competencia entre las principales empresas de inteligencia artificial se intensifica. El 28 de mayo, Anthropic, una destacada empresa emergente de IA, informó que sus ingresos anualesizados han superado los 47.000 millones de dólares. Este notable
MeituHub: La plataforma de imágenes con IA de Meitu permite flujos visuales personalizados para empresas
Meitu ha lanzado oficialmente MeituHub, su plataforma de producción de imágenes impulsada por inteligencia artificial, que ofrece soluciones integrales de contenido visual para empresas. Esto incluye todo, desde el análisis inicial de requisitos y la
Recomendaciones de temas especiales relacionados
comentario (1)
0/500
Ayer, Volc Engine lanzó oficialmente el modelo de generación de audio Doubao 1.0 (Doubao-Seed-Audio 1.0), que admite entradas de texto o audio para producir obras de audio completas de principio a fin. Su principal avance es que una sola indicación puede gestionar a la vez diálogos, efectos de sonido y música de fondo, lo que elimina la necesidad de realizar una edición manual multipista.

Convierte una frase en un director de audio: no hace falta postproducción.
Anteriormente, crear audio de alta calidad requería generar diálogos, efectos de sonido y música por separado, para luego alinear y mezclar las pistas manualmente —un proceso complejo que dependía de la experiencia en posproducción—. El modelo de generación de audio Doubao 1.0 consolida todo esto en una única indicación: los usuarios pueden definir las líneas de diálogo, el tono y el ritmo emocional de varios personajes en una sola instrucción, incorporar detalles como risas, suspiros, pausas y acentos dialectales, y generar música de fondo y efectos de sonido ambientales simultáneamente, obteniendo directamente un producto terminado. Un creador puede escribir una descripción y recibir de inmediato un podcast, un audiolibro o un audio de marca listo para su publicación.
Voces de los personajes coherentes a lo largo de audios largos sin perder calidad.
El mayor reto en la creación de audios largos es la coherencia: garantizar que un personaje suene igual en el minuto uno y en el minuto diez. El Modelo 1.0 de Doubao Audio Generation integra profundamente la conversión de texto a audio con el audio de referencia, manteniendo una calidad de voz constante a lo largo de segmentos largos, de modo que los creadores no tengan que comparar y revisar cada parte. El modelo actual admite hasta 2 minutos de audio por generación y, gracias a la función de extensión, conserva la coherencia de la voz en grabaciones más largas, lo que lo hace ideal para audiolibros, podcasts y series largas.
Además, el modelo ofrece un control independiente de la voz y el estilo, lo que permite que una misma voz se adapte a diversas emociones y contextos, llegando incluso a permitir que una sola voz interprete múltiples papeles con expresiones diferentes. Esto mejora enormemente la flexibilidad para la interpretación de voces de personajes y la producción creativa de audio. Actualmente, Volc Ark ha abierto las pruebas de la API, y los usuarios particulares pueden obtener una cuota de creación de 30 minutos en el Experience Center. El modelo de generación de audio Doubao 1.0 también se lanzará en productos como CapCut, Jiemod y Tomato.
Sora Offline mientras Musk impulsa Grok Imagine con actualizaciones prometidas
El mercado global de vídeo con IA ha experimentado un cambio drástico en apenas un día.Tras que OpenAI cerrara su herramienta de vídeo principal Sora, Elon Musk actuó rápidamente para cubrir el vacío. El miércoles, anunció en X que su empresa de IA,
Los ingresos anuales de Anthropic alcanzan los 47.000 millones de dólares, mientras que la adopción empresarial de Claude se dispara
La competencia entre las principales empresas de inteligencia artificial se intensifica. El 28 de mayo, Anthropic, una destacada empresa emergente de IA, informó que sus ingresos anualesizados han superado los 47.000 millones de dólares. Este notable
MeituHub: La plataforma de imágenes con IA de Meitu permite flujos visuales personalizados para empresas
Meitu ha lanzado oficialmente MeituHub, su plataforma de producción de imágenes impulsada por inteligencia artificial, que ofrece soluciones integrales de contenido visual para empresas. Esto incluye todo, desde el análisis inicial de requisitos y la











