【产品体验】豆包大模型实时语音本地化部署及功能体验

背景

2025年1月21日，豆包实时语音大模型在豆包App（7.2.0 新春版）全量开放，引发了广泛关注。这一语音交互体验，与OpenAI公布的GPT-4o模型实时语音功能体验类似，未来拥有广阔的应用前景。

因此，本章我们深入了解豆包实时语音大模型的使用过程，并分析其背后的实现原理。

目标

基于豆包开源的Github代码，在本地搭建一个实时语音大模型，并体验其效果。

搭建过程

豆包大模型的背后支持团队 火山引擎 提供了开源代码Demo，我们基于该项目进行相关部署实践。

1. 拉取代码

git clone https://github.com/volcengine/rtc-aigc-demo

2. 注册账号

访问火山引擎官网(https://www.volcengine.com/) ，注册账号并登录。

说明：
首次注册火山引擎账号并使用，需要进行实名认证，按照官网提示完成即可。

3. 准备工作

3.1 获取API Key

1. 访问火山引擎控制台https://console.volcengine.com/home

2. 点击右上角个人头像->API访问密钥
   

3. 新建密钥
   

说明：

• 火山引擎API密钥分主账号和子账号，一般为了安全情况下，使用子账号。
• 本例中优先跑通流程，所以安全性要求不高，使用主账号减少操作步骤。

4. 点击继续后，使用手机获取验证码，即可完成API Key创建。

3.2 开通 RTC 服务(获取AppID和AppKey)

1. 访问火山引擎控制台的 实时音视频 https://console.volcengine.com/rtc/guide

2. 申请开通 RTC 服务
   

3. 创建应用：点击左侧应用管理->创建应用
   

说明：

• 默认情况下，开通RTC服务后，会自动创建一个默认应用，本例中使用默认应用。
• 如果需要创建新应用，则需要填写应用名称、应用描述、应用类型、应用场景、应用权限等信息。

4. 获取应用AppID和AppKey：复制默认应用的AppID和AppKey，后续配置中需要使用。

3.3 获取临时Token

1. 接着上一步的步骤，在页面中点击临时Token
   

2. 在弹出的页面中，输入自定义的RoomId和UserId，点击生成临时Token

说明：

• RoomId 可以自定义，本例中命名为my_demo_room
• UserId 可以自定义，本例中命名为my_demo_user

3. 获取临时Token后，复制Token，后续配置中需要使用。

3.4 开通 ASR 与 TTS 服务服务

1. 访问火山引擎控制台的 语音技术 https://console.volcengine.com/speech/app
2. 创建应用：点击左侧应用管理->创建应用
3. 根据提示，填写应用名称、应用简介，勾选语音合成、流式语音识别服务。

4. 创建应用后，获取应用的APP ID