#豆包语音模型2.0##豆包让郭德纲学会发疯#

发疯文学的“疯”，终于是让AI给呐喊出来了。

例如电视剧《180天重启计划》中的这段发疯名场面：【图1】。

然后啊，我们让AI用于谦+郭德纲的腔调打开这段对话，画风是这样的：【图2】。

这要放以前，那些平平淡淡的AI语音，这癫感、这呐喊，大概率是发不出来的。

那为什么现在AI就可以做到了呢？

因为就在刚刚，火山引擎把豆包语音大模型升级了——

语音学会了思考，更能理解台词，情感表达更有张力。

具体来说，火山引擎这次主要升级了2个模型，分别是豆包语音合成模型2.0（Doubao-Seed-TTS 2.0）和豆包声音复刻模型2.0（Doubao-Seed-ICL 2.0）。

刚才的那段发疯对话片段的制作过程，就是先上传了郭德纲和于谦的音频，让豆包声音复刻模型2.0在短短几秒中的时间里复刻出声音：【图3】。

然后再在豆包语音合成模型2.0中，分别选择于谦和郭德纲的声音，并在台词的前面标注了一下想要达到的情绪效果：【图4】。

值得注意的是，上面这一步的操作，就是此次豆包语音合成模型2.0的一大关键点，分为三种模式【图5】：

- 默认模式：可以在台词前像我们刚才那样，添加细节描述内容；
- 语音指令：可以控制说话的情绪、方言、语气和语速等；
- 引入上文：把上文内容引进来，让AI更好地去理解完整内容。

所以整体来看，这次火山引擎是想让AI语音达到的效果，是要从“像人”走向“懂人”。

那么效果到底几何？老规矩，一波实测，走起~http://t.cn/AXzrymfz