已就绪内容按当前版本翻译;动态数量、项目输入等部分界面仍可能显示中文原文。
AI 之家 / 模型庫 / Doubao-Seed-2.1-pro

Doubao-Seed-2.1-pro

AI 辅助整理
火山引擎多模态交互语音输入识别语音转文字多模态生成錄入參考價 · 以官方為準

Doubao-Seed-2.1-pro 是火山引擎方舟平台的多模態大模型,支援語音輸入參與多模態互動,可透過官方 SDK 以 base64 音訊或 TOS URL 方式調用。語音輸入支援 wav、mp3、m4a、aac、opus 五種格式,單條最長 60 秒,取樣率最低 8kHz、建議 16kHz,音訊不超過 10MB。適合即時語音客服、端側多模態對話硬體及語音轉文字聯動生成場景;超長錄音轉寫、即時翻譯一體化、離線識別等需求應改用火山引擎對應的語音專用產品。

上下文 token待核實
輸入 / 百萬 token待核實
輸出 / 百萬 token待核實
版本v2.1.0
部署云端 API:需开通火山引擎方舟大模型服务,获取 API Key 与 Secret Key 后通过官方 SDK(v1.2.0 及以上)调用;支持 Python 3.8+ / Node.js 16+ / Java 1.8+ 环境;语音输入需 base64 编码或上传至火山引擎对象存储 TOS 传入公网 URL,不支持直接读取本地文件路径

能力與用途

多模态交互语音输入识别语音转文字多模态生成

【定位與能力】Doubao-Seed-2.1-pro 定位於多模態互動,語音輸入是其中一項能力:用戶上傳語音後介面返回識別文字並聯動多模態生成回應。來源描述其適用於單條語音不超過 60 秒、日均調用量 1 萬–100 萬次的智能客服,取樣率 16kHz 及以上的端側多模態對話硬體,以及批次語音檔案上傳識別後聯動多模態生成的內容創作。 【語音輸入規格】支援 wav、mp3、m4a、aac、opus 共 5 種格式,請求參數中 format 欄位必須與實際音訊格式完全一致,否則解碼失敗。取樣率最低支援 8kHz,建議 16kHz,24kHz 與 48kHz 也支援但不會提升準確率,反而增加傳輸體積;16kHz 16bit 單聲道 wav 的識別準確率在來源引用的內部測試中比同音質 mp3 高 2.3 個百分點。音訊大小超過 10MB 會被拒絕。 【整合前提】需開通方舟大模型服務並取得 API Key/Secret Key,子帳號需分配調用權限(否則返回 403 AccessDenied);依賴方舟 SDK v1.2.0 及以上,Python 安裝命令為 pip install volcengine-python-sdk==1.2.0,Node.js 為 npm install @volcengine/ark-sdk@1.2.0。本地音訊需轉 base64 或上傳 TOS 生成公網 URL。 【工程實踐建議】對逾時與 5xx 錯誤配置重試(如 tenacity 最多 3 次、間隔 1 秒)可提升調用成功率;超 60 秒音訊需拆分後批次調用。 【選型取捨】純語音識別不需聯動多模態生成的場景,來源建議直接使用火山引擎語音識別 ASR 產品,成本約低 60%;長錄音轉寫選 Long ASR;即時翻譯一體化選同傳翻譯 API;離線無網路環境本方案不支援,需端側離線語音識別 SDK。

能力對比

暫無經過核驗的逐項評分,暫不繪製能力雷達或綜合排名。

資料與來源

資料提供方
火山引擎
站內資料更新
2026-11-09 03:03:52

站內更新時間不等同於模型發布日期。未提供測試集、日期和原始成績時,不展示官方或平台實測分數。

版本記錄

v2.1.0目前錄入版本

歷史版本、上線與下線日期待核實。

接入與使用

請按官方文件確認 API 位址、模型標識、身分驗證、權限與收費規則。

開啟官方文件

平台實測

暫無已核驗的模型測試報告。模型能力標籤不代表已完成平台實測。
選型助手

让需求变成可修改的筛选条件

依据已录入参数生成条件,结果可查看和修改。帧率与性能需核对实测,不能仅凭算力数值保证。