Volcengine Release Notes

Release notes

• TTS 2.0音色上新 | 新音色*1，新增有声阅读音色：1个。
• TTS 1.0音色上新 | 新音色*18，新增角色扮演、多情感音色：18个。

• TTS 1.0音色上新 | 新音色*1，新增趣味口音音色：1个。

• TTS 2.0音色上新 | 新音色*11，新增通用场景、视频配音、角色扮演音色：11个。

播客大模型-二期迭代功能：

• 输入支持url及文件（txt/pdf/word）；
• 输出支持URL 形式返回的解析结果，链接有效期为一小时；
• 语音合成对白文本支持修改，支持客户自定义导入；
• 音色顺序可支持指定或随机；
• 支持输出每轮音频时长，调用方可依此实现时间戳；

说明：通过prompt联网搜索内容生成播客功能已上线，但效果仍有优化空间，当前可以先做体验测试。

音色上新 | 新音色*9，新增客服场景音色：9个；

音色上新 | 新音色*22，新增客服场景音色：14个；新增有声阅读、多语种、通用场景、角色扮演音色：8个；

产品升级 | TTS DMD 版本上线，较默认版本音质有提升，且延时更优。（需注意，此版本在复刻场景中会放大训练prompt的发音人的特质，因此对prompt的要求更高，使用高质量的训练音频，可以获得更优的音质效果）

1. 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。

2. 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。

3. 音色上新 | 新音色*1，新增通用场景音色：Vivi；

4. 音色上新 | 新音色*1，新增英语教育场景音色：Tina老师；

• 上线端到端实时语音大模型，可在手机端进行体验

• 复刻模型，上线DIT版本

• 流式输出接口支持http接口

• 支持小语种指定参数

• 流式接口重采样优化

• 自学习平台替换词支持正则

• 自学习平台热词传入和context扩容至5000词

• 支持通过API接口创建和管理热词表、替换词表

• 音色上新 | 新音色*2，新增通用场景、客服场景类音色，其中暖阳女声仅支持合成中文，无法合成英文内容。

音色上新

新音色*11，新增多情感、多语种、通用场景、视频配音、有声阅读类音色。

产品升级

2.0.4版本发布上线。音乐、方言识别效果优化。

产品升级|混音功能上线。

豆包语音合成的超强混音打破了语音合成的音色数量限制，能够精准捕捉不同声音的韵律、音色、表达方式、语气语调等特色，并将不同声音进行自由组合，比如将温柔的女声与雄浑的男声巧妙融合，创造出极具戏剧张力的语音效果，如万花筒通过组合变化出无数的声音图案。

音色上新|新音色*33，新增美式英语、英式英语、澳洲英语音色。

豆包语音合成的超强混音打破了语音合成的音色数量限制，能够精准捕捉不同声音的韵律、音色、表达方式、语气语调等特色，并将不同声音进行自由组合，比如将温柔的女声与雄浑的男声巧妙融合，创造出极具戏剧张力的语音效果，如万花筒通过组合变化出无数的声音图案。

详见https://www.volcengine.com/docs/6561/1257544

产品升级

支持时间戳

• 单向流式、双向流式、非双向流式、支持字级别时间戳。