自2022年起，生成式 AI 的爆发助推语音技术快速升级。语音作为高频的交互形式，在多个领域的需求颇为强烈，尤其是在追求高自然度语音合成上，业界与学术界均投入诸多研发资源。火山引擎语音团队曾于2023年推出 zero-shot (零样本学习)的极速版声音克隆。
先来欣赏一段音视频，或许你会有惊喜发现呢？没错，这就是动漫海绵的配音模仿者的声音呈现。不同的是，这位即将奔四的美国喜剧动画主角，如今在模仿者的演绎下一改往日的单一语言以及固定风格，居然一股脑儿说出了译制腔、TVB腔、粤语甚至上海话。
7月25日，火山引擎2024“AI创新巡展”首站成都站透露了字节豆包大模型的最新进展：截至7月，豆包大模型日均Tokens使用量已突破5000亿，平均每家企业客户日均Tokens使用量较5月15日模型发布时期增长22倍。
「火山爆发，震撼天地。」这八个字会在你的头脑中触发怎样的影像？是否与下面的视频类似？提示词：火山喷发，升起巨大蘑菇云，岩浆顺着山体往下流，镜头拉近，岩浆正在火山口跳动冒出。这段 10 秒的视频是豆包视频生成模型基于以上提示词想象创造的。
