Lar
A Volcano Engine lança o Doubao Audio Modelo 1.0: áudio cinematográfico em uma única frase e vozes consistentes para personagens por 10 minutos
Ontem, a Volc Engine lançou oficialmente o Modelo de Geração de Áudio Doubao 1.0 (Doubao-Seed-Audio 1.0), que aceita entradas de texto ou áudio para produzir obras de áudio completas de ponta a ponta. Sua principal inovação é que um único comando pode lidar com diálogos, efeitos sonoros e música de fundo ao mesmo tempo, eliminando a necessidade de edição manual em múltiplas faixas.

Transforme uma frase em um diretor de áudio — sem necessidade de pós-produção.
Anteriormente, criar áudio de alta qualidade exigia gerar diálogos, efeitos sonoros e música separadamente, para depois alinhar e mixar as faixas manualmente — um processo complexo que dependia de conhecimento especializado em pós-produção. O Modelo de Geração de Áudio Doubao 1.0 consolida tudo isso em um único comando: os usuários podem definir as falas, o tom e o ritmo emocional de vários personagens em uma única instrução, incorporar detalhes como risadas, suspiros, pausas e sotaques dialetais, além de gerar música de fundo e efeitos sonoros ambientais simultaneamente, produzindo um produto finalizado diretamente. Um criador pode digitar uma descrição e receber imediatamente um podcast, audiolivro ou áudio de marca pronto para lançamento.
Vozes de personagens consistentes ao longo de áudios longos, sem perda de qualidade.
O maior desafio na criação de áudios longos é a consistência — garantir que um personagem soe da mesma forma no primeiro minuto e no décimo minuto. O Doubao Audio Generation Model 1.0 integra profundamente a conversão de texto em áudio com o áudio de referência, mantendo a qualidade consistente da voz em segmentos longos, para que os criadores não precisem comparar e revisar cada parte. O modelo atual suporta até 2 minutos de áudio por geração e, com o recurso de extensão, preserva a consistência da voz para produções mais longas, sendo adequado para audiolivros, podcasts e séries longas.
Além disso, o modelo oferece controle independente de voz e estilo, permitindo que a mesma voz se adapte a várias emoções e contextos — possibilitando até mesmo que uma única voz interprete vários papéis com expressões diferentes. Isso aumenta significativamente a flexibilidade para a dublagem de personagens e a produção criativa de áudio. Atualmente, o Volc Ark iniciou os testes da API, e usuários individuais podem obter uma cota de 30 minutos para criação no Experience Center. O Doubao Audio Generation Model 1.0 também será lançado em produtos como CapCut, Jiemod e Tomato.
Artigo relacionado
Sora Offline enquanto Musk empurra Grok Imagine com atualizações prometidas
O mercado global de vídeos com IA sofreu uma mudança drástica em apenas um dia.Após o OpenAI encerrar sua ferramenta de vídeo principal, Sora, Elon Musk agiu rapidamente para preencher a lacuna. Na quarta-feira, ele anunciou no X que sua empresa de
A Receita Anual da Anthropic Atinge 47 Bilhões com a Adoção Empresarial do Claude em Ascensão
A competição entre as principais empresas de inteligência artificial está se intensificando. Em 28 de maio, a Anthropic, uma proeminente startup de IA, informou que sua receita anualizada ultrapassou US$ 47 bilhões. Este notável marco financeiro dest
MeituHub: A plataforma de imagens com IA da Meitu permite fluxos visuais personalizados para empresas
A Meitu lançou oficialmente a MeituHub, sua plataforma de produção de imagens com inteligência artificial, oferecendo soluções completas de conteúdo visual para empresas. Isso inclui tudo, desde a análise inicial de requisitos e configuração de fluxo
Recomendações de tópicos especiais relacionados
Comentários (1)
Ontem, a Volc Engine lançou oficialmente o Modelo de Geração de Áudio Doubao 1.0 (Doubao-Seed-Audio 1.0), que aceita entradas de texto ou áudio para produzir obras de áudio completas de ponta a ponta. Sua principal inovação é que um único comando pode lidar com diálogos, efeitos sonoros e música de fundo ao mesmo tempo, eliminando a necessidade de edição manual em múltiplas faixas.

Transforme uma frase em um diretor de áudio — sem necessidade de pós-produção.
Anteriormente, criar áudio de alta qualidade exigia gerar diálogos, efeitos sonoros e música separadamente, para depois alinhar e mixar as faixas manualmente — um processo complexo que dependia de conhecimento especializado em pós-produção. O Modelo de Geração de Áudio Doubao 1.0 consolida tudo isso em um único comando: os usuários podem definir as falas, o tom e o ritmo emocional de vários personagens em uma única instrução, incorporar detalhes como risadas, suspiros, pausas e sotaques dialetais, além de gerar música de fundo e efeitos sonoros ambientais simultaneamente, produzindo um produto finalizado diretamente. Um criador pode digitar uma descrição e receber imediatamente um podcast, audiolivro ou áudio de marca pronto para lançamento.
Vozes de personagens consistentes ao longo de áudios longos, sem perda de qualidade.
O maior desafio na criação de áudios longos é a consistência — garantir que um personagem soe da mesma forma no primeiro minuto e no décimo minuto. O Doubao Audio Generation Model 1.0 integra profundamente a conversão de texto em áudio com o áudio de referência, mantendo a qualidade consistente da voz em segmentos longos, para que os criadores não precisem comparar e revisar cada parte. O modelo atual suporta até 2 minutos de áudio por geração e, com o recurso de extensão, preserva a consistência da voz para produções mais longas, sendo adequado para audiolivros, podcasts e séries longas.
Além disso, o modelo oferece controle independente de voz e estilo, permitindo que a mesma voz se adapte a várias emoções e contextos — possibilitando até mesmo que uma única voz interprete vários papéis com expressões diferentes. Isso aumenta significativamente a flexibilidade para a dublagem de personagens e a produção criativa de áudio. Atualmente, o Volc Ark iniciou os testes da API, e usuários individuais podem obter uma cota de 30 minutos para criação no Experience Center. O Doubao Audio Generation Model 1.0 também será lançado em produtos como CapCut, Jiemod e Tomato.
Sora Offline enquanto Musk empurra Grok Imagine com atualizações prometidas
O mercado global de vídeos com IA sofreu uma mudança drástica em apenas um dia.Após o OpenAI encerrar sua ferramenta de vídeo principal, Sora, Elon Musk agiu rapidamente para preencher a lacuna. Na quarta-feira, ele anunciou no X que sua empresa de
A Receita Anual da Anthropic Atinge 47 Bilhões com a Adoção Empresarial do Claude em Ascensão
A competição entre as principais empresas de inteligência artificial está se intensificando. Em 28 de maio, a Anthropic, uma proeminente startup de IA, informou que sua receita anualizada ultrapassou US$ 47 bilhões. Este notável marco financeiro dest
MeituHub: A plataforma de imagens com IA da Meitu permite fluxos visuais personalizados para empresas
A Meitu lançou oficialmente a MeituHub, sua plataforma de produção de imagens com inteligência artificial, oferecendo soluções completas de conteúdo visual para empresas. Isso inclui tudo, desde a análise inicial de requisitos e configuração de fluxo











