2026年6月23日，字节跳动旗下云服务品牌火山引擎正式发布豆包音频生成模型1.0（Doubao-Seed-Audio 1.0）。该模型支持文本、音频多模态输入，可通过单条Prompt同步生成对白、音效、背景音乐全要素音频内容，角色声音连续10分钟不串戏，彻底替代传统音频制作多轨剪辑流程，大幅降低专业内容产出门槛。
有声内容创作者林默最近刚赶完一档品牌定制播客的样片，放在过去，单是15分钟内容的配音、音效对位、多轨混音就要耗掉她2天时间，这次她只用了不到1小时就完成了全部内容生产——支撑这一效率跃升的，正是火山引擎刚推出的这款音频大模型。
过去多年，音频内容生产始终是重人力、重专业的领域：一段符合上线标准的有声剧、播客、影视配音或品牌音频，需要经过台词录制、音效素材匹配、多轨对齐、混音调整等多个环节，重度依赖专业后期人员的技术能力，单人单天产出的成品内容通常不超过30分钟。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号