文档 / 语音服务商

豆包语音（火山引擎）

一句话：中文音色数量最多、方言和角色音色最丰富的一家。三个档位里最新的 2.0 反而比 1.0 便宜 40%，别被版本号骗了。

一句话：中文音色数量最多、方言和角色音色最丰富的一家。三个档位里最新的 2.0 反而比 1.0 便宜 40%，别被版本号骗了。

这是什么

字节跳动火山引擎的语音合成服务，也就是豆包背后的那套语音技术。中文表现力强，音色库里有大量方言、角色、有声书专用音色。

模型	上游官方单价	积分 / 千字符	详细说明
doubao-tts-2.0	3 元 / 万字符	48	豆包语音合成 2.0
doubao-tts-1.0	5 元 / 万字符	80	大模型语音合成 1.0
doubao-tts-classic	5.5 元 / 千次调用	约 4（按次计费）	语音合成小模型

这是最容易搞错的一点。按常理"2.0 是 1.0 的升级版，应该更贵"，但火山引擎这次的定价是反过来的：

doubao-tts-2.0  →  3 元/万字符  →  48 积分/千字符
doubao-tts-1.0  →  5 元/万字符  →  80 积分/千字符（贵 67%）

默认建议用 2.0。 只有当你要找的某个特定音色只在 1.0 下有时，才需要切到 1.0—— 两个版本的音色库不完全一样。

免费试听的代表音色灿灿在 1.0 下，Soniva 会在你切到豆包品牌时自动帮你切到对应模型。

doubao-tts-classic 是豆包的小模型产品线（音色 ID 以 BV 开头），它跟前两档完全是两套东西：

Soniva 会在发送前自动把长文本切成 ≤280 字的段落，每段各算 1 次调用，每次固定扣 1 积分：

折算下来约 4 积分/千字符，是所有云端音色里单位成本最低的一档，比腾讯精品档（5）还便宜。

代价是音质——它是传统 TTS，不是大模型音色。适合"我只是要把这段字听完"，不适合"我要做成品"。

1.0 和 2.0 的音色列表是 Soniva 实时向上游拉取的，上游新增音色立刻可见，所以本文档不写死数量，以产品里实际看到的为准。

唯一的例外是 classic：上游的音色列表接口不返回 BV 音色，所以这一档用的是 Soniva 内置的静态列表，固定 24 款。

豆包的中文方言音色是它的招牌，比如湾区大叔、呆萌川妹、北京小爷、广西远舟等，这些在其他品牌里很难找到。