Volcengine Release Notes

1. TTS 2.0音色上新 | 新音色*1，新增有声阅读音色：1个。

语种 类别 名称 Speaker

• 中文 有声阅读 儿童绘本 zh_female_xueayi_saturn_bigtts

2. TTS 1.0音色上新 | 新音色*18，新增角色扮演、多情感音色：18个。

语种 类别 名称 Speaker

• 中文 角色扮演 寡言小哥 ICL_zh_male_xiaoge_v1_tob
• 中文 角色扮演 清朗温润 ICL_zh_male_renyuwangzi_v1_tob
• 中文 角色扮演 潇洒随性 ICL_zh_male_xiaosha_v1_tob
• 中文 角色扮演 清冷矜贵 ICL_zh_male_liyisheng_v1_tob
• 中文 角色扮演 沉稳优雅 ICL_zh_male_qinglen_v1_tob
• 中文 角色扮演 清逸苏感 ICL_zh_male_chongqingzhanzhan_v1_tob
• 中文 角色扮演 温柔内敛 ICL_zh_male_xingjiwangzi_v1_tob
• 中文 角色扮演 低沉缱绻 ICL_zh_male_sigeshiye_v1_tob
• 中文 角色扮演 蓝银草魂师 ICL_zh_male_lanyingcaohunshi_v1_tob
• 中文 角色扮演 清冷高雅 ICL_zh_female_liumengdie_v1_tob
• 中文 角色扮演 甜美娇俏 ICL_zh_female_linxueying_v1_tob
• 中文 角色扮演 柔骨魂师 ICL_zh_female_rouguhunshi_v1_tob
• 中文 角色扮演 甜美活泼 ICL_zh_female_tianmei_v1_tob
• 中文 角色扮演 成熟温柔 ICL_zh_female_chengshu_v1_tob
• 中文 角色扮演 贴心闺蜜 ICL_zh_female_xnx_v1_tob
• 中文 角色扮演 温柔白月光 ICL_zh_female_yry_v1_tob
• 中文 角色扮演 高冷沉稳 zh_male_bv139_audiobook_ummv3_bigtts
• 中文 多情感 深夜播客 zh_male_shenyeboke_emo_v2_mars_bigtts

已支持隐式 meta 水印写入

已支持隐式 meta 水印写入，当前仅大模型语音合成、声音复刻和 语音播客v3 协议接口支持，音频格式支持mp3/wav/ogg_opus。官网接口文档→ 链接 ，搜索 “aigc_metadata”。

播客大模型已支持合成结尾加上显式水印（“AI”的摩斯码节奏音频），文档已经更新（搜索 aigc_watermark 跳转请点击→ 链接 ）。

大模型语音合成2.0版本上新

• 推出豆包语音合成模型2.0，支持TTS对话式合成新范式(Query-Response)，提供更加自然、更丰富情感、更具有表现力的语音合成效果。
• 新上线异步执行长文本任务接口：最大单次可执行的文本长度为10万字符，合成音频数据在服务端可保存7天。适用于批量进行音频内容生产（如有声小说等），但对时效性要求不高的场景；调用的价格跟大模型语音合成/声音复刻短文本定价保持一致；
• 音色上新 | 新音色*14，新增趣味口音、角色扮演音色：14个；
• TTS（大模型） 已支持合成结尾加上显式水印（“AI”的摩斯码节奏音频），已经上线，文档已经更新（搜索 aigc_watermark 跳转请点击→ 链接 ）。

大模型录音文件闲时版上线

• 整体产品效果及功能同大模型录音文件识别标准版，时效性24小时内完成处理，适用于大批量、对时效性要求较低的录音文件识别任务处理，价格相比于标准版更加实惠；（接口文档→ 链接 ）

大模型流式语音识别-地址/音乐优化

• 对于地址、歌名语音识别困难的词语，能调用专业的地图/音乐领域推荐词服务辅助识别，提升识别准确率；支持范围：流式输入、二遍流式输入模式、录音文件识别；（接口文档→ 链接 ）

大模型录音文件识别（auc）及大模型流式语音识别-流式输入模式（bigmodel_nostream）

• 新上线13语种混合模型，除中英之外，支持的语种包括11种外语：日语、韩语、印尼语、菲律宾语、马来语、泰语、法语、德语、西班牙语、葡萄牙语、沙特阿拉伯语；接口调用时，默认调用中文模型（支持中英及国内主流方言），如需调用外语模型，需要指定语种；（注意：双向流式模式仍然只支持中英文识别）

双向流式优化版支持非流式二遍识别

• 双向流式模式（优化版本）接口地址：wss://openspeech.bytedance.com/api/v3/sauc/bigmodel_async

产品升级 | 新增语速、音量、语种、情绪、性别五种检测

• 仅流式输入（sauc nostream）和大模型录音文件识别标准版（auc）支持

400新版本模型上线，性能提升，ITN效果优化，支持传参选择使用不同模型版本

• 仅流式输入（sauc nostream）和大模型录音文件识别标准版（auc）支持

上线录音文件识别大模型极速版

• 上线录音文件识别大模型极速版，具体API请见 https://www.volcengine.com/docs/6561/1631584

上线语音同传大模型2.0，支持两种模式

支持语音到语音S2S（Speech-to-Speech）：语音流式输入，对语音理解翻译后，模型自动对说话人声音进行复刻，并按照说话人的音色进行目标语种语音的输出；
支持语音到文本S2T（Speech-to-Text）：语音流式输入，对语音理解翻译后文本返回。

体验入口

• PC版本： https://console.volcengine.com/ark/region:ark+cn-beijing/experience/voice?type=SI
• H5版本： https://www.volcengine.com/product/realtime-voice-model

上线语音播客大模型，对送入的播客主题文本进行分析，流式生成双人播客音频；支持断点续传。

• 火山控制台开启试用：https://console.volcengine.com/speech/service/10028

• 音色上新 | 新音色*1，新增通用场景音色：Vivi（表格略）

• 音色上新 | 新音色*1，新增英语教育场景音色：Tina老师（表格略）