豆包大模型 字节跳动推出的自研大模型

豆包大模型产品介绍

豆包大模型是什么？

豆包大模型是字节跳动推出的一组AI大型模型，涵盖诸如豆包PixelDance、豆包Seaweed视频生成、文本生成图像、图像生成图像、同声传译、角色扮演、语音合成、声音复刻、语音识别、函数调用识别和向量化等模型。豆包大模型以其卓越的语言理解、生成和逻辑能力而闻名，能够进行个性化创作、情感丰富的语音合成、高精确度的语音识别、多样风格的图像生成以及顶级的视频生成。豆包大模型通过火山引擎提供服务，助力企业和开发者创建智能应用，推动AI技术在各类业务场景中的落地。

在多个性能评测中，豆包大模型展现出色表现。诸如MMLU、BBH、GSM8K和HumanEval在内的11个标准测试中，Doubao-pro-4k模型的综合得分达到了76.8分，在代码能力、专业知识和指令执行等方面都取得了显著进步。

豆包大模型的主要功能

• 通用模型：字节跳动自主研发的LLM模型，支持128K长文本，全系列可调优，具备更强的理解、生成和逻辑能力，适用于丰富的场景如问答、总结、创作及分类。
• 视频生成：通过精准语义理解和强大的动态及运镜能力，创作高品质视频，支持文本与图片两种生成模式。
• 角色扮演：创作个性化的角色，具备上下文感知和剧情推动能力，适用于虚拟互动和故事创作。
• 语音合成：生成自然生动的语音，能够表达多种情绪，适合文本到语音的转换应用。
• 声音复刻：快速复制声音，高度还原音色与自然性，支持跨语言迁移，用于个性化语音合成。
• 语音识别：精确识别与转录语音，支持多种语言，适合语音指令和转录服务。
• 文生图：将文字转化为图像，擅长图文匹配和中国文化元素创作，用于图像生成和视觉内容创作。
• 图生图：在现有图像基础上生成新图像，支持风格转换、扩图、重绘和涂抹等创意操作。
• 同声传译：提供低延时和高质量的实时翻译，支持跨语言同声色翻译，克服语言障碍。
• Function Call：精准识别和提取功能参数，适用于复杂工具调用和智能交互。
• 向量化：提供向量检索能力，支持LLM知识库的核心理解，适用于多语言处理。

豆包大模型的功能特点

• 豆包通用模型Pro：字节跳动自主研发的高级语言模型，支持128K长文本处理，适用于问答、总结、创作等广泛场景。
• 豆包通用模型Lite：轻量级语言模型，提供更低的成本和延迟，适合预算有限的企业。
• 豆包·视频生成模型：利用先进的语义理解技术，把文本和图片转换为高质量的视频内容。
• 豆包·语言识别模型：具备高准确率和灵敏度，能快速准确地识别和转写多种语言语音。
• 豆包·Function Call模型：专为复杂工具调用设计，提供精准的功能识别和参数提取能力。
• 豆包·文生图模型：将文字描述转换为精美图像，特别擅长于捕捉和表现中国文化元素。
• 豆包·语音合成模型：能够合成自然、生动的语音，表达丰富的情感和场景。
• 豆包·向量化模型：专注于向量检索，提供知识库的核心理解能力，支持多语言。
• 豆包·声音复刻模型：仅需5秒即可1:1复制声音，实现高度相似的音色和自然度。
• 豆包·同声传译模型：实现超低延迟的实时翻译，支持跨语言同声色翻译，消除语言障碍。
• 豆包·角色扮演模型：具有个性化角色创作能力，能根据上下文感知和剧情推进进行灵活的角色扮演。

如何使用豆包大模型

• 确定需求：明确项目或业务的需求，例如是否需要文本生成、语音识别、图像创作、视频生成等。
• 选择合适的模型：根据需求选择合适的豆包大模型，例如文生图模型、语音合成、视频生成模型等。
• 注册和访问火山引擎：访问火山引擎官网注册账户，这是字节跳动的云服务平台，提供豆包大模型服务。
• 申请访问权限：在火山引擎平台上申请使用豆包大模型的权限，填写相关信息和使用场景。
• API接入：获取相应的API接口信息，包括API的端点、请求方法和必要的认证信息。
• 开发和测试：根据API文档开发应用程序，将豆包大模型集成到你的业务流程中。进行充分测试，确保模型输出符合预期。
• 部署应用：测试无误后，将集成了豆包大模型的应用部署到生产环境。
• 监控和优化：监控应用的性能和模型的效果，根据反馈进行优化。

豆包大模型的产品定价

• 大语言模型
  • 按tokens使用量付费：
    • Doubao-lite-4k（包括分支版本lite-character）：上下文长度4K、输入0.0003元/千tokens、输出0.0003元/千tokens、后付费、免费额度50万tokens。
    • Doubao-lite-32k：上下文长度32K、输入0.0003元/千tokens、输出0.0006元/千tokens、后付费、免费额度50万tokens。
    • Doubao-lite-128k：上下文长度128K、输入0.0008元/千tokens、输出0.0010元/千tokens、后付费、免费额度50万tokens。
    • Doubao-pro-4k（包括分支版本pro-character、pro-functioncall）：上下文长度4K、输入0.0008元/千tokens、输出0.0020元/千tokens、后付费、免费额度50万tokens。
    • Doubao-pro-32k：上下文长度32K、输入0.0008元/千tokens、输出0.0020元/千tokens、后付费、免费额度50万tokens。
    • Doubao-pro-128k：上下文长度128K、输入0.0050元/千tokens、输出0.0090元/千tokens、后付费、免费额度50万tokens。
  • 按模型单元付费：独占的算力资源，更加独立可控
    • Doubao-lite-4k、Doubao-lite-32k：可承载性能（TPS）3000、每小时60元、每月28000元。
    • Doubao-lite-128k：可承载性能（TPS）4500、每小时240元、每月112000元。
    • Doubao-pro-4k、Doubao-pro-32k：可承载性能（TPS）3200、每小时160元、每月80000元。
    • Doubao-pro-128k：可承载性能（TPS）3500、每小时1200元、每月550000元。
• 视觉模型
  • 豆包-文生图模型-智能绘图：推理服务、0.2元/次、后付费、免费额度200次。
• 语音大模型
  • Doubao-语音合成：推理服务、5元/万字符、后付费、免费额度5000字符。
  • Doubao-声音复刻：推理服务、8元/万字符、后付费、免费额度5000字符。
• 向量模型
  • Doubao-embedding：最长输入长度4K、输入0.0005元/千tokens、后付费、免费50万tokens。
• 模型精调
  • 按tokens使用量（训练文本*训练迭代次数）计费，训练完成后出账。
  • Doubao-lite-4k、Doubao-lite-32k、Doubao-lite-128k：LoRA定价0.03元/千tokens、后付费。
  • Doubao-pro-4k、Doubao-pro-32k、Doubao-pro-128k：LoRA定价0.05元/千tokens、后付费。

更多模型及定价信息，可访问豆包大模型官网获取最新信息。

豆包大模型的应用场景

• 内容创作与媒体：利用文生图、图生图和视频生成模型为文章配图、漫画、海报和短视频等视觉内容。语音合成模型为视频和动画制作配音。
• 客户服务：通过角色扮演模型提供虚拟客服和聊天机器人，用语音识别和语音合成模型提升语音客服系统。
• 教育与培训：文生图模型帮助制作教学材料，如生成教学插图。角色扮演模型创建个性化学习体验和虚拟教师。
• 娱乐与游戏：在游戏中使用角色扮演模型为非玩家角色（NPC）创作文案和行为。用语音合成模型为游戏角色提供自然语言交流。
• 智能助手：结合语音识别与语音合成模型，开发智能个人助手。用文生图模型生成个性化的推荐内容。
• 市场与广告：用文生图模型自动生成广告创意与营销素材。利用通用模型分析消费者反馈以优化广告文案。
• 企业自动化：通过Function Call模型自动化复杂工作流程和工具调用。使用向量化模型进行高效的信息检索和知识管理。
• 搜索与推荐：用向量化模型提升搜索引擎的准确性和响应速度，结合通用模型推荐相关内容或产品。
• 法律与金融：用通用模型进行合同分析、案件研究及合规检查，语音识别模型用于转录会议记录与访谈内容。