近日，豆包语音团队发布“AI多人有声剧”自动化方案，支持多角色、高表现力的TTS演播及全自动AI后期制作，从小说文本到高质量成品全程由AI完成。该方案基于高自然度的智能朗读，结合自动添加音乐、音效与智能混音技术，效果媲美真人配音，显著提升听书沉浸感，同时大幅降低制作成本和周期。其角色划分准确率超98%，语音大模型融合文本与语音模态，演绎情感丰富、发音自然。画本预测模型进一步优化音频合成，动态调整参数生成完整有声剧。目前，首批作品已在番茄小说APP上线，获用户良好反馈，为听书行业注入新活力。未来，该方案将持续升级，覆盖更多内容，实现小说同步更新为精品有声剧。

2025年8月，百度推出蒸汽机2.0视频生成大模型，主打多人有声音视频一体化生成。新版本擅长复杂运镜、电影级画质和精准中文语音对齐，并首创多模态潜在空间规划技术。用户可通过百度搜索“百度蒸汽机”或绘想平台体验，企业用户可在百度千帆大模型平台调用API服务。价格低至行业70%，限时优惠1.4元/5秒。发布会现场展示了多样化的应用场景，如科幻短片、品牌营销视频等，影视视效专家姚骐称其让好莱坞级镜头制作成本大幅降低。目前，该模型已在百度移动生态广泛落地，支持搜索、内容创作及商业营销等场景。

8月21日，百度蒸汽机2.0版上线，首次实现多人有声视频一体化生成。该模型基于多模态时空规划、中文场景优化及音视端到端建模技术，支持复杂运镜、细腻人物表演及流畅画质。用户可通过百度搜索“百度蒸汽机”或登录“绘想”平台体验，企业用户可在千帆平台获取高性能服务。此外，百度于8月19日发布声明，提醒用户警惕海外出现的虚假网站，避免受骗。