火山引擎发布豆包音频生成模型1.0：一句话生成影视级音频，角色声音 10 分钟都不"串戏"

一条Prompt抢了后期剪辑师的工作

昨日，火山引擎把豆包音频生成模型1.0（Doubao-Seed-Audio 1.0）塞进了开发者手里——支持文本或音频任一模态输入，直接端到端输出完整音频作品。

省掉所有后期，敲一段就出成品

群里在传的核心突破：用一条Prompt就能搞定对白、音效、背景音乐的全要素生成，彻底扔掉人工多轨剪辑的老路子。过去一段成片级音频意味着对白、音效、配乐得逐条生成、手动对齐、多轨混音，流程繁琐还吃后期技术。有创作者试了说，现在单条指令里可以同时定义多个角色的台词、语气和情绪节奏，连笑声、叹息、停顿、方言口音都能嵌入，背景音乐和环境音效同步生成，输出即成品——敲一段描述，直接收到能上线的有声剧、播客节目或品牌音频。

长音频不“串戏”，角色声音首尾如一

最让长音频创作者头疼的是前后一致性——第1分钟和第10分钟听起来是不是同一个人。豆包音频生成模型1.0实现了文生音频与参考音频的深度联动，长音频里音色高度统一。测试者反馈，单次支持2分钟音频创作，通过多次延长功能可以在长程生成里保持音色一致，有声书、播客、长剧集都够用。更狠的是，模型支持音色与风格的解耦控制——同一音色可以切换不同情绪和语境，甚至实现“一声多角”，同一个声音在不同角色设定下呈现差异化表达，角色配音和创意音频生产的灵活性明显提升。

现在怎么用、接下来看什么

目前火山方舟已开启API邀测，个人用户在体验中心能领30分钟创作额度。豆包音频生成模型1.0还即将上线剪映、即梦、番茄等产品。接下来盯着看：传统音频后期制作公司和配音演员的饭碗被端走了多少？内容创作者和短视频平台谁先吃红利？