1楼 , 楼主 , 追梦天使说：如果有一些内容我说的不对，在此向大家道个歉。我今天楞头操作，很多细节都记不清了。就想着赶紧搞，赶紧搞。 先感谢一下论坛里的 贤豪真好 朋友。

我最早注意到这个豆包音频生成模型，就是看到贤豪真好在盲人社区里发的体验帖。他当时导出了好几段用豆包生成的短剧、广播剧音频给大家试听，很多朋友听完都觉得效果很惊艳：配音、台词节奏、音效卡点都很像真人录制。如果不提前说明是 AI 生成，确实很容易被当成真人做的广播剧片段。

他帖子里有一个判断我非常认同：这个模型对盲人创作者特别有意义。

以前我们想做小说音频、广播剧、沙雕动画配音、短剧音效，需要写文案、找配音、加背景音乐、叠音效、对台词、剪辑混音。对明眼人来说已经很麻烦，对盲人朋友来说更折腾。现在豆包这个音频生成模型，可以用一段文字直接生成带对白、情绪、环境音、音效、音乐的成品音频，至少把第一步门槛降下来了。

当然，它不是万能的。背景音乐、整体混音、长篇连续角色一致性，后期可能还要自己调整。但作为一个新工具，它已经很值得盲人创作者尝试。

下面这篇主要写给想抢先体验、开通服务、购买资源包的朋友参考。

一、这个模型叫什么

它在火山方舟里一般叫：

Doubao-音频生成-1-0

豆包音频生成模型1.0

Model ID：doubao-seed-audio-1-0

如果以后要接 API，接口里的模型字段可能写作：

seed-audio-1.0

这两个名字看起来不一样，但说的是同一类音频生成模型。

它不是普通文本转语音。普通 TTS 通常是“输入一句话，选择一个发音人，然后读出来”。

这个模型更像**“音频导演模型”**。你可以在一个大文本框里写：

角色是谁、声线是什么样、环境在哪里、背景音乐怎么进、哪里有脚步声、哪里有风声、哪里停顿、哪里笑、哪里害怕、哪一句台词怎么说……

然后它会生成一段接近广播剧或情景剧的音频。

二、体验入口

目前可以从火山方舟体验页进入：

https://ark.volcengine.com/region:cn-beijing/experience/voice?model=doubao-seed-audio-1-0

进入后需要注册或登录火山引擎账号。可以用手机号登录，也可以用已有火山账号登录。

页面里大概有这些内容：

选择参考音频

提示词编辑框

@ 按钮

语调、语速、音量

生成、模板、历史

参考音频生成、纯文本生成

网页端提示词编辑框显示大约是 3000 字上限。

参考音频可以用 @音频1、@音频2 这种方式引用。例如：

请参考 @音频1 的音色，参考 @音频2 的声音风格，说：“今天的天气很好，我们一起出去走走吧。”

三、注册和实名认证的坑

注册火山账号本身不算特别难。手机号收验证码，填进去，点击注册或登录就行。

比较麻烦的是图形验证和实名认证。

有时它会弹出图形验证，不一定是普通滑块，而是类似“选择动物”“选择饮料”“拖到正确位置”这一类验证。这个对盲人朋友非常不友好。如果自己过不去，建议找明眼人协助一次。

之后可能还需要实名认证。大概流程是：

输入真实姓名和身份证号

选择微信认证或其他认证方式

手机扫码并做人脸识别

认证通过

认证完成后，才能正常开通和购买部分云资源。

四、关于免费额度（重点：数据授权有福利！）

很多朋友容易混淆各种额度，比如“免费 Token”、“免费推理额度”、“语音合成额度”等，这些和豆包音频生成模型 1.0 的正式时长包不是一回事。

不过这里有个薅羊毛的福利分享给大家：

因为我今天在后台参加了“数据授权”，所以直接拿到了一些免费额度！

如果大家也想白嫖一些额度来测试，可以去后台找找数据授权的选项。如果你介意隐私，这个授权在拿到额度后是可以随时取消的，或者你也可以选择直接充值。因为我自己的免费额度目前还没用完，所以具体的消耗速度还需要大家自己去测试。

五、如何购买豆包音频生成资源包

如果免费额度用完了，或者不想授权，就需要购买正式资源包。这个地方控制台有点绕，我把路径写得尽量通用一点（以后火山控制台页面可能会改名字，大家按关键词找）。

进入火山引擎控制台后，可以从“产品与服务”里搜索：

豆包语音

也可以从产品分类里找：

人工智能与算法 -> 智能体验与创作 -> 音频技术 -> 豆包语音

进入豆包语音新版控制台后，找类似这些入口：

API服务中心 / 服务中心 / 开通服务 / 资源购买 / 购买资源包 / 扩充服务包

然后找：

豆包音频生成模型1.0 / Doubao-音频生成-1.0 / 音频生成大模型

我这边买到的是：

产品： 豆包音频生成模型1.0 创作版-时长包200分钟

购买时长： 12个月

价格： 190元（折合大约 0.95 元/分钟）

注：价格以后可能会变，大家以控制台实际显示为准。另外，付款页面的链接是一次性订单链接，带订单号，不要用别人发给你的链接付款，一定要自己从控制台进入购买。

六、付款页面对盲人不太友好

购买资源包后，会进入费用中心的付款页面。这里有两个比较坑的地方：

控件不规范： 支付方式那一块的控件比较抽象。有时按空格不会展开，上下光标也不能正常切换，读屏器不一定能读出来。可以用 OCR 识别页面文字，找到对应支付方式，再用鼠标跟随或鼠标单击。

二维码无法直接读取： 页面上的扫码支付可能是微信或支付宝，但读屏器无法直接处理。

建议解决方法：

在付款页面截屏。

把截图保存下来，或发到手机。

打开手机支付宝或微信，使用“从相册导入二维码”进行扫码付款。

如果自己操作实在不便，可以请明眼人帮忙扫一次。

七、付款成功后在哪里看资源包余额

付款完成后，不要回到模型体验页找余额。正确入口是：

火山引擎控制台 -> 费用中心 -> 资源包管理 -> 资源包

或者直接访问费用中心账户总览：

https://console.volcengine.com/finance/account-overview

在左侧找到 “资源包管理”，你就能看到你的总量、余量、生效时间和失效时间了。

八、参考音频上传的无障碍问题

网页端参考音频上传目前无障碍有点怪。

在“选择参考音频”区域，读屏器可能只会读到两个叫“图形”的东西，看起来不像按钮。但实际操作时，焦点落到那里以后，按小键盘回车，是有机会打开系统文件选择对话框的。选择本地 wav 或 mp3 后，就能作为参考音频上传。

参考音频限制：

最多支持 3 条参考音频，每条最长 30 秒，不超过 10 MB。

连续性生成小技巧：

如果你想让下一段顺着上一段的语气、声线、气氛继续，不要直接上传整段超长的音频。

更稳的方法是：截取上一段最后 20 到 30 秒，作为 @音频1 上传，然后在提示词里写：

“请参考 @音频1 的人物音色、情绪、环境氛围和节奏，从上一段之后继续生成，不要重复上一段台词，直接进入下一段剧情。”

九、关于 API 的避坑与警示（新手必看）

我知道很多动手能力强的朋友想直接去充值 API，但我非常不建议大家马上就弄 API！

这里有一个至今我也没能解答的疑问，也等着社区里的大佬来回答：

如果直接充值了 API，这个额度万一不能在网页端（体验页）使用怎么办？

因为网页端和 API 的扣费通道有时候是独立的。为了保险起见，大家一定要谨慎。

不过大家放心，我后面会尝试自己编写一个小程序，把自己的 API 塞进去测试一下。如果折腾成功了，我会再写一篇教程分享给大家，教大家怎么用自己的 API 顺畅地生成音频。

十、实用小建议

开启余额预警： 资源包管理页面里有余量预警说明，建议保持默认开启（通常是 20%）。这样快用完时会有短信提醒，避免不小心扣成后付费。

第一次测试不要玩大的： 刚买完资源包，先写一句很短的话（比如 10 个字）进行测试，然后去“资源包管理”看看扣费和余量是否正常，确认无误后再生成长音频。

注意保护隐私： 往论坛发截图或教程时，切记给 API Key、手机号、账号 ID、订单号、付款二维码 打码！特别是 API Key，泄露了会被别人盗刷。

十一、简单总结

想体验模型： 点击进入体验页

想看账单和充值： 点击进入费用中心账户总览

想看资源包余额： 费用中心 -> 资源包管理 -> 资源包

想买资源包，认准： 豆包语音 -> 豆包音频生成模型1.0 -> 创作版-时长包200分钟

因为篇幅有限，加上有些页面我当时忘记拷贝链接了，所以有些细节没有讲得特别透。不过咱们社区的朋友动手能力都极强，我相信大家摸索一下都能搞定！

再次感谢 贤豪真好 朋友最早在社区里分享体验。这个模型对普通人来说可能只是一个好玩的 AI 工具，但对我们盲人创作者来说，它可能真的会彻底改变广播剧、小说音频和后期制作的流程。

目前它还有很多不足，网页无障碍也需要我们绕不少弯路，但只要愿意折腾，它一定能帮你做出惊艳的声音作品！大家快去试试吧！

来自之多云 2小时前