豆包大模型是火山引擎提供的模型开发与调用服务，面向多种业务场景提供文本、图像、视频、语音和向量等模态能力。官网将其定位为“超全模态支持”的大模型服务，既提供可在线体验的模型，也支持通过 API 和火山方舟官方命令行工具接入。模型产品覆盖文本生成、视频生成、图像生成、角色扮演、视觉理解、实时语音、声音复刻、语音合成、同声传译、向量检索和音频生成等方向，可用于社交娱乐、硬件助手、学习教育、客服与销售、AI 搜索和营销提效等场景。
核心功能
文本生成与推理
豆包大模型提供 Doubao-Seed-Evolving、Doubao-Seed-2.1-pro、Doubao-Seed-2.1-turbo 等文本生成模型。Doubao-Seed-Evolving 聚焦 Coding 和 Agent 场景持续优化，Doubao-Seed-2.1-turbo 面向大规模批量化部署。官网同时提供在线推理和在线推理-上下文缓存计费方式，并为部分文本模型提供按 tokens 计算的免费额度。
图像、视频与 3D 创作
官网提供视频生成和图像生成模型，并展示了“30秒超长叙事，全模态参考扩容”“通过多图融合创作一幅图像”等体验入口。视频模型包括 Doubao-Seedance-2.0、Doubao-Seedance-2.0-fast、Doubao-Seedance-2.0-mini 等，支持音视图文参考或音画同生等创作方向。页面还展示了“基于图片构建3D城市并迭代”的体验内容，图像生成模型则按张计费。
视觉理解与向量检索
豆包视觉理解模型提供通用多模态理解和推理能力，可处理视觉相关输入。豆包向量模型支持文本、图片、视频等向量检索，官网列出了 Doubao-Seed-Embedding 和 Doubao-embedding-vision 等模型。向量模型按推理使用量计费，并提供文本和图像对应的计费说明以及免费额度。
语音、音频与翻译
语音模型覆盖实时语音、声音复刻、语音合成、流式语音识别和录音文件识别等能力。豆包实时语音模型强调端到端对话体验，声音复刻模型用于快速定制专属 AI 音色，语音合成模型用于生成自然、高保真、个性化语音。豆包同声传译模型提供端到端同声翻译，豆包音频生成模型支持“0样本多模态音频创造”。
角色扮演与应用场景
豆包角色扮演模型面向新一代虚拟陪伴场景。在社交娱乐场景中，官网列出角色扮演、剧情互动和辅助聊天：角色扮演支持灵活扮演各类角色及分身，并支持文本、语音、图像多种输入；剧情互动可基于设定好的故事背景和人设自动推演剧情；辅助聊天用于理解上下文与情绪并生成回复。官网列出的其他应用方向还包括硬件助手、学习教育、客服与销售、AI搜索和营销提效。
使用方式
豆包大模型支持 API 直连，官网称其提供“全链路模型开发与调用服务”，并提供 API 调用指南。开发者还可以使用火山方舟官方命令行工具，通过一行命令完成认证、模型调用与资源管理。官网同时提供模型广场和多个“立即体验”入口，可在线体验文本、视频、图像和语音相关模型。正文没有说明是否必须注册，也没有提到需要自备模型 Key；导入导出能力未在正文中说明。
适用人群与场景
需要将大模型接入业务的开发团队，可以通过 API 调用文本、视觉、语音、视频和向量模型。进行批量化模型部署的企业，可关注 Doubao-Seed-2.1-turbo 及按量付费、生产级保障和模型单元等方案。内容创作者可以使用多图融合图像生成、视频生成、音频生成和语音合成能力。社交娱乐、教育、客服销售、AI 搜索和营销相关团队，则可以根据官网列出的场景使用角色扮演、剧情互动、辅助聊天以及相应的模型产品。
定价
官网提供按量付费、生产级保障、免费额度和应用实验室等方案。部分文本模型的免费额度为 50 万 tokens，Doubao-Seedream-5.0-lite 等图像模型提供 50 张免费额度，豆包语音合成和声音复刻各提供 5000 字符额度，流式语音识别和录音文件识别各提供 20 小时额度，Doubao-embedding-vision 提供 50 万 tokens，联网资源提供 2 万次/月。付费方式按模型和资源类型区分，例如文本模型按百万 tokens 计费，图像生成按张计费，语音模型按字符或小时计费，应用实验室还包含计算资源和离线存储资源计费项。
