豆包音频生成模型 1. 0 发布，开启「音频导演」时代

豆包音频生成模型 1.0 正式发布，具备多模态参考生成与长时音色一致性两大核心技术，可通过输入包含角色台词、情绪语气、背景音乐及环境氛围的 Prompt 直接产出完整音频成片，能在长音频创作中稳定保持角色声音特性，还拥有 0 样本多模态音频创造能力，支持文本描述或参考音频输入，无需额外训练即可生成高质量目标音频，实现音色与风格深度解耦及一声多角演绎，降低专业音频制作门槛。