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

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%。