【功能升级】大模型声音复刻，新增方言与情感控制，解锁多元个性化语音

控制台

【功能升级】大模型声音复刻，新增方言与情感控制，解锁多元个性化语音

发布日期：2026-07-13 06:40浏览量：5150次

百度大模型声音复刻迎来重磅迭代，全新推出方言切换、情感调控两大核心能力。用户仅需上传一段普通话中性人声音频，即可一键生成覆盖多地方言、具备丰富情感风格的定制化语音，全面满足智能语音助手、数字人交互、情感陪伴、短视频配音等多元场景下，对于多方言覆盖、精细化情感发声的业务需求。点击了解详情

升级亮点

1、方言控制：五种方言一键切换

用户上传普通话音频创建音色后，通过 dialect 参数，即可指定方言类型，无需重新训练或采集方言素材，大幅降低方言语音内容的制作门槛，目前已覆盖五种方言：

上海话（wuu-CN-shanghai）
河南话（zh-CN-henan）
四川话（zh-CN-sichuan）
湖南话（zh-CN-hunan）
贵州话（zh-CN-guizhou）

2、情绪控制：六种情感精准驾驭

用户只需上传中性情感音频，创建音色后，通过emotion参数，即可实现灵活控制情感表达，当前支持六种情感类型：

高兴（happy）
悲伤（down）
惊讶（surprise）
愤怒（angry）
恐惧（fear）
厌恶（disgust）

*不上传 emotion 参数时，默认按注册音频的原始效果合成，最大程度保留自定义音色的原始质感。

3、灵活调用，两种接入方式均支持

方言与情绪控制能力已同步开放至非流式在线合成（HTTP）与流式在线合成（WebSocket）两种接口。您可根据业务场景选择：

HTTP接口：适合短文本、非实时场景，单次合成文本不超过500字符
WebSocket接口：适合长文本、流式播报场景，单次文本传入不超过1000字符，支持边合成边播放

两个参数均在初始化/请求阶段传入，与现有的音调、音量、语速、采样率、输出格式等参数配合使用，灵活度极高。

如需进一步了解大模型声音复刻，您可点击查看技术文档、价格详情

百度语音现已推出：端到端语音语言大模型、大模型声音复刻、短语音识别标准版、短语音识别极速版、实时语音识别、音频文件转写，短文本在线合成、长文本在线合成、定制音库，呼叫中心实时语音通话、呼叫中心语音质检、呼叫中心音频文件转写等多款语音产品，同时提供有声阅读解决方案、呼叫中心语音解决方案、语音数字大屏、智能语音会议、智能语音指令、语音字幕服务等场景化解决方案，满足各类语音场景需求。提供在线API 、HTTP SDK 、离线SDK 、私有化部署、一体机等多种部署方式，接入便捷、稳定可靠。

上一篇：【新品上线】Unlimited-OCR 企业级服务邀您体验！

下一篇：【商用】端到端语音语言大模型Lite版火热开售，最高享100万免费tokens

技术能力

查看全部AI能力

合作咨询

填写您的业务需求，专属客户经理会尽快联系您，提供1对1咨询服务

售后智能助手

智能诊断，快速解决使用问题

更多咨询，请拨打400-920-8999 转 1

体验AI

Web端前往AI能力体验中心

移动端打开百度APP“扫一扫”