关注 “AI 工具派”
探索最新 AI 工具，发现 AI 带来的无限可能性！
👉 2023 AI 工具汇总｜👉 在线知识库
今天 Chris 忙了一下午，没来得及看火山引擎的发布会，因此一下班回家就赶紧搜索相关内容，整理本文和大家分享～还请点个免费的“赞”和“在看”支持一下哈。
正文如下：
今天豆包大模型家族又迎来 3 位新成员，包括视频生成模型、音乐模型和同声传译模型等，真的热闹起来了！
目前豆包大模型家族已经包括 12 位成员了，包括：豆包通用模型 pro、豆包通用模型 lite、视频生成模型、文生图模型、图生图模型、同声传译模型、语言识别模型、语音合成模型等等。
并且，豆包模型技术已经应用到了剪映、即梦AI和醒图工具中。
详细介绍：https://www.volcengine.com/product/doubao
接下来一起了解下今天新来的 3 为豆包新成员：
一、视频生成模型
今天发布的视频生成模型包括：
PixelDance 模型； Seaweed 模型；
接下来详细介绍下：
1.PixelDance 模型
PixelDance 模型支持文生视频和图生视频，可生成长达 10 秒视频片段且语义理解能力出色。它能完成时序性多拍动作、支持多主体复杂交互，运镜效果丰富、兼容性强，可应用于影视创作、广告传媒等多个场景。
核心功能如下：
精准的语义理解：语义理解精准，支持复杂提示词，时序性多拍动作指令与多主体交互能力。 强大动态与炫酷运镜并存：动作灵动、镜头多样、表情丰富、细节丰满，支持超多镜头语言。 一致性多镜头生成：一键生成故事性多镜头短片能力，一个提示词实现多个镜头切换并保持主体、风格、氛围一致。 多风格、多比例兼容：提升视频生成泛化能力，支持包括黑白、2/3D 动画、国画、水彩等多种风格，包含 1:1、3:4、4:、16:9、9:16、21:9 六个比例。
2.Seaweed 模型
Seaweed 模型支持文生视频和图生视频两种方式，基于 Transformer 结构在潜空间训练，原生支持多分辨率生成，默认输出特定参数且可动态延长时长，能够生成具备丰富的细节层次的影视即视频，可应用于电商营销、动画教育等广泛的应用场景。
亮点功能如下：
逼真度极高：能够生成影视级的视频，具备丰富的细节层次。 视觉美感高：专业级色彩调和和光影布局，大幅提升画面视觉审美。 动态流畅：运动画面流畅自然，速度快慢符合物理运动机制。
3.体验模型
这两个模型目前可以在火山引擎中申请并体验。
模型体验：https://console.volcengine.com/ark/region:ark+cn-beijing/experience/vision
二、音乐模型
音乐生成模型可以依据文本描述或图片，轻松创作出一首时长 1 分钟且包含旋律、歌词和演唱的高品质音乐作品。该模型还支持 10 余种不同风格和情绪可供随心选择，极大地降低了音乐创作门槛，非常简单好用。
核心亮点如下：
高品质音乐生成：生成的歌词更准确、旋律更多样、演唱更真实； 创作门槛低：支持图片、灵感和写词生成音乐，简单方便； 应用场景多：比如音乐创作、音乐教育、娱乐产业、广告营销等；
三、同声传译模型
同声传译模型依托豆包大模型的语音理解能力，实现高质量、低延迟的端到端同声翻译，支持跨语言同音色翻译，以及粤、沪等常见方言的识别，适用于会议翻译、线上直播等实时场景。
体验地址：https://console.volcengine.com/ark/region:ark+cn-beijing/experience/voice?type=SI
核心功能如下：
实时翻译，超低延迟：具备超低延迟的端到端翻译，实现低时延与高质量的平衡。 自然高质量，超精准翻译：提供高质量精准翻译，语句流畅自然，接近人类专业口译员水平。 音色克隆，更多使用场景：支持基于音色克隆的语音翻译和字幕翻译，覆盖更多场景。 丰富的应用场景：提供超低延时且自然高质量的实时翻译，支持跨语言同音色翻译，可应用于会议论坛、线上直播等场景。
总结
今天豆包这 3 位新成员非常给力，虽然目前 Chris 还没能及时体验上，但是还是非常期待～国产牛逼。
以后可以使用豆包、智谱、通义等国产大模型家族，开发各种产品应用了。
补充一句～
Chris 新建了一个免费的知识星球，方便汇总平常分享的各类 AI 资讯内容，大家有兴趣可以加入了解～
