豆包语音团队提出“AI多人有声剧”方案，效果媲美真人配音+后期

近日，豆包语音团队发布了“AI多人有声剧”自动化方案。方案支持多角色、高表现力的TTS（语音合成）演播，同时实现了全自动AI后期的链路，从小说文本到高质量的多人有声剧成品，全部由AI端到端完成。

据了解，“AI多人有声剧”自动化方案基于高自然度的多角色智能朗读，配合AI后期自动添加音乐、音效、特效， 并进行智能混音，能够全自动生产媲美真人水准的有声剧作品。这套方案不仅使得听书自然度、沉浸感显著提升，且生产链路全程无人工参与，可大幅降低制作成本、缩短制作周期，高效覆盖更多书籍。

“AI多人有声剧”自动化方案支持从小说文本到完整成品有声剧的全自动生产。该方案可以自动进行角色划分，准确率超过98%，同时其语音大模型通过对海量文本与语音的多模态预训练，原生地将文本和语音模态融合，引入思维链信息，具备强大的文本理解能力和语音演绎能力，多人演播效果发音自然、情感丰富。

此外，方案中的画本预测模型在多角色演播音频基础上，实现了从小说文本到带有音效、人声特效、环境音、配乐的画本预测，在得到画本信息之后进行音频召回并合成、智能动态调整音频参数，并结合多角色TTS最终合成“有声剧”成品。

目前，首批通过“AI多人有声剧”方案端到端创作的作品已经在番茄小说APP上线，效果超出预期，并得到书友良好反馈，为听书行业注入全新活力。未来，“AI多人有声剧”方案仍将不断升级，覆盖更多有声内容，小说更新即可让用户同步享受精品有声剧。