字节跳动AI豆包大模型官网API调用使用教程

豆包大模型是由字节跳动推出的一系列人工智能AI大模型产品，旨在通过先进的算法和大量的数据训练，为用户提供高效、智能的服务体验。这些模型覆盖了语音、图像、文本等多个领域，不仅具备高度的个性化和灵活性，而且在准确性、效率和创新性方面都有显著的表现。

角色扮演模型

豆包的角色扮演模型专注于个性化的角色创作，通过上下文感知和剧情推动能力，为用户提供沉浸式的角色扮演体验。无论是在游戏、教育还是娱乐领域，该模型都能够根据用户的需求，创造出符合情境的角色，并推动故事情节的发展。

语音合成模型

语音合成技术是人工智能领域的一项重要应用，豆包的语音合成模型能够提供自然生动的语音输出，支持多种情绪和场景的表达。这使得它在语音助手、有声读物、虚拟主播等应用场景中具有广泛的应用潜力。

声音复刻模型

声音复刻技术能够在短时间内实现声音的1:1克隆，豆包的声音复刻模型在音色相似度和自然度上进行了高度还原，甚至支持声音的跨语种迁移，这在声音识别、个性化语音服务等领域具有重要的应用价值。

语音识别模型

豆包的语音识别模型以其高准确率、高灵敏度和低延迟的特点，支持多语种的正确识别，为用户提供了高效、准确的语音转文字服务，广泛应用于智能客服、会议记录、语音搜索等场景。

文生图模型

文生图模型通过精准的文字理解能力，实现了图文匹配的高准确性，同时在画面效果上追求优美，尤其擅长对中国文化元素的创作和表现，这使得它在文化传播、教育出版等领域具有独特的优势。

图生图模型

图生图模型能够在保留原图特征的基础上，支持50余种风格变换，并对图片进行扩图、重绘、涂抹等创意延展，为用户提供了丰富的图像处理和创作工具。

Function Call模型

Function Call模型专注于提供准确的功能识别和参数抽取能力，特别适合于复杂工具调用的场景，如自动化脚本编写、智能控制系统等。

向量化模型

向量化模型聚焦于向量检索的使用场景，为大型语言模型（LLM）的知识库提供核心理解能力，并支持多语言，这在跨语言信息检索、多语言知识管理等领域具有重要的作用。

豆包大模型的推出，不仅体现了火山引擎在人工智能领域的技术实力，也为各行各业提供了创新的解决方案和工具。随着技术的不断进步和应用场景的不断拓展，豆包大模型有望在未来发挥更大的作用。

模型评测

在人工智能领域，模型的评测是衡量其性能和实用性的关键环节。豆包大模型经过严格的测试和评估，以确保其在各种应用场景中都能提供卓越的性能。以下是对豆包大模型各部分的评测成绩介绍：

角色扮演模型评测

角色扮演模型的评测主要关注其个性化创作能力、上下文感知能力以及剧情推动能力。通过与现有的角色扮演AI模型进行对比测试，豆包的角色扮演模型在角色个性化定制方面表现出色，能够根据用户的输入快速生成符合用户期望的角色设定。同时，在剧情推动方面，模型能够理解并适应复杂的情节发展，提供合理的剧情走向建议。

语音合成模型评测

语音合成模型的评测着重于语音的自然度、流畅度以及情绪表达的准确性。豆包的语音合成模型在多个标准语音质量评估指标上均达到了行业领先水平。用户反馈表明，该模型合成的语音在多种场景下均能提供接近真人的语音体验。

声音复刻模型评测

声音复刻模型的评测主要考察其声音克隆的相似度和自然度。在实际测试中，豆包的声音复刻模型能够在极短的时间内完成声音的1:1克隆，且用户难以区分克隆声音与原声音的差异。此外，模型还成功实现了声音的跨语种迁移，拓宽了其应用范围。

语音识别模型评测

语音识别模型的评测侧重于识别准确率、灵敏度以及延迟。豆包的语音识别模型在标准测试集上展现了高准确率，同时在多语种识别方面也表现出色。在实际应用中，用户普遍反映该模型能够快速准确地识别并转录语音内容。

文生图模型评测

文生图模型的评测关注其文字理解能力和图文匹配的准确性。豆包的文生图模型在中国文化元素的创作上表现出了极高的匹配度和创意性，用户和专家评价其生成的图像不仅准确传达了文字内容，而且在艺术表现上也颇具特色。

图生图模型评测

图生图模型的评测主要看其风格变换的多样性和图像处理的创意性。豆包的图生图模型支持50余种风格变换，并能够对图片进行高质量的扩图、重绘和涂抹，这些功能在艺术创作和图像编辑领域得到了高度认可。

Function Call模型评测

Function Call模型的评测着重于功能识别的准确性和参数抽取的能力。在自动化脚本编写和智能控制系统等复杂工具调用场景中，豆包的Function Call模型展现出了高效的功能识别和准确的参数处理能力。

向量化模型评测

向量化模型的评测关注其在向量检索场景中的表现，以及对多语言的支持能力。豆包的向量化模型在跨语言信息检索和多语言知识管理方面表现出了强大的核心理解能力，为用户提供了高效的检索服务。

综合来看，豆包大模型在各项评测中均展现出了优秀的性能，无论是在技术实现还是在用户体验上，都达到了行业领先水平。

API调用文档教程

豆包大模型提供了详细的API调用指南，以帮助开发者和用户高效地集成和使用这些模型。以下是根据提供的链接豆包API调用指南整理的API调用步骤和说明。

适用范围

豆包大模型的API适用于以下模型系列：

Doubao-lite-4k
Doubao-lite-32k
Doubao-lite-128k
Doubao-pro-4k
Doubao-pro-32k
Doubao-pro-128k

这些模型支持不同上下文窗口的推理和精调，适用于多种复杂任务。

API SDK

豆包大模型提供统一的SDK接入形式，需要使用API key进行鉴权。以下是不同编程语言的SDK使用示例：

Python SDK

首先，需要安装Python SDK：

pip install 'volcengine-python-sdk[ark]'

然后，使用以下代码示例进行API调用：

from volcenginesdkarkruntime import Ark

# 认证方式一：使用API key
client = Ark(api_key="${YOUR_API_KEY}")

# 非流式请求
completion = client.chat.completions.create(
    model="${YOUR_ENDPOINT_ID}",
    messages=[
        {"role": "system", "content": "你是豆包，是由字节跳动开发的 AI 人工智能助手"},
        {"role": "user", "content": "常见的十字花科植物有哪些？"}
    ]
)
print(completion.choices[0].message.content)

# 流式请求
stream = client.chat.completions.create(
    model="${YOUR_ENDPOINT_ID}",
    messages=[
        {"role": "system", "content": "你是豆包，是由字节跳动开发的 AI 人工智能助手"},
        {"role": "user", "content": "常见的十字花科植物有哪些？"}
    ],
    stream=True
)
for chunk in stream:
    if not chunk.choices:
        continue
    print(chunk.choices[0].delta.content, end="")

Java SDK

在Java中，首先添加依赖：

<dependency>
  <groupId>com.volcengine</groupId>
  <artifactId>volcengine-java-sdk-ark-runtime</artifactId>
  <version>LATEST</version>
</dependency>

然后，使用以下代码示例进行API调用：

package com.volcengine.ark.runtime;

// ... 省略其他导入和认证代码 ...

public class ChatCompletionsExample {

    public static void main(String[] args) {
        // 认证和初始化代码 ...

        System.out.println("n----- standard request -----");
        // 创建请求和响应处理代码 ...

        System.out.println("n----- streaming request -----");
        // 创建流式请求和响应处理代码 ...
    }
}

Golang SDK

在Go语言中，使用以下代码示例进行API调用：

package main

import (
    "context"
    "fmt"
    "os"

    "github.com/volcengine/volcengine-go-sdk/service/arkruntime"
    "github.com/volcengine/volcengine-go-sdk/service/arkruntime/model"
    "github.com/volcengine/volcengine-go-sdk/volcengine"
)

func main() {
    // 认证和初始化客户端代码 ...

    fmt.Println("----- standard request -----")
    // 标准请求代码 ...

    fmt.Println("----- streaming request -----")
    // 流式请求代码 ...
}

API Specification

API的详细规范包括输入参数和输出结果的说明。输入参数包括模型标识model，消息列表messages等，其中messages包含角色role和内容content。输出结果包括生成的响应message，结束原因finish_reason，以及使用的token数量usage等。

输入参数示例

字段	类型	必填	描述
model	string	是	对应模型接入点
messages	list	是	对话的消息列表
role	string	是	发出消息的角色（system, user, assistant）
content	string	是	消息内容

输出参数示例

非流式调用

字段	类型	描述
id	string	调用的唯一标识
choices	array	chat结果列表
message	object	模型输出的消息内容
finish_reason	string	生成结束原因
created	integer	对话生成时间戳
usage	object	请求的 tokens 用量

流式调用

流式调用基于SSE协议返回生成内容，返回的是生成的部分内容片段。

注意事项

使用API key进行鉴权时，确保选择一个不过期的API key以避免调用失败。
根据需要选择合适的模型和调整API参数，如max_tokens、temperature、top_p等，以获得最佳效果。

通过遵循上述指南，用户可以轻松地在自己的应用程序中集成豆包大模型的API，实现各种智能功能。如果您在集成过程中遇到任何问题，可以参考豆包API调用指南获取更多帮助。

常见问题与解答

在使用豆包大模型的API时，用户可能会遇到一些常见问题。以下是针对这些问题的解答，帮助用户更顺畅地使用豆包大模型API。

Q1: 如何获取API Key？

A1: 您可以通过火山引擎的控制台界面获取API Key。通常，这涉及到创建一个项目，然后在该项目中生成一个API Key。确保记录您的API Key，并在调用API时使用它进行鉴权。

Q2: 我的API Key过期了怎么办？

A2: 如果您的API Key过期，您需要在火山引擎控制台重新生成一个新的API Key，并更新您的应用程序中的API Key配置。

Q3: 如何选择合适的模型进行调用？

A3: 根据您应用的具体需求和上下文窗口的大小，选择相应的模型。例如，如果您需要处理较长的上下文，可以选择Doubao-pro-128k模型。

Q4: 调用API时出现权限错误怎么办？

A4: 检查您的API Key是否正确配置，并且确保它具有调用所选模型的权限。如果问题依旧存在，您可能需要检查API Key的权限设置或联系火山引擎的技术支持。

Q5: 如何处理API调用超时的情况？

A5: 首先，检查您的网络连接是否稳定。其次，确认您的请求是否符合API的频率限制。如果问题依旧，您可能需要优化请求参数或联系技术支持。

Q6: 流式调用和非流式调用有什么区别？

A6: 流式调用允许您实时接收模型生成的响应，适合需要即时反馈的场景。非流式调用则是等待模型完成所有生成后一次性返回结果。根据您的应用场景选择合适的调用方式。

Q7: 如何优化API调用的性能？

A7: 您可以通过以下方式优化性能：

减少请求的token数量，以减少延迟。
使用更快的网络连接。
根据需要调整模型参数，如temperature和top_p，以获得更快速或更准确的响应。

Q8: 调用API时返回的数据格式是什么样的？

A8: API返回的数据通常是JSON格式，包括id、choices、message、finish_reason、logprobs、created、model、object和usage等字段。具体字段的详细说明请参考API文档。

Q9: 如何处理API调用返回的错误信息？

A9: 错误信息会包含错误代码和描述。首先，检查错误信息以确定问题所在，然后根据错误信息进行相应的调整，如修正请求参数或检查鉴权配置。

Q10: 我可以在哪里找到API的更多帮助和文档？

A10: 火山引擎提供了详细的API文档和开发者指南。您可以访问火山引擎开发者文档获取更多信息和帮助。

{{userData.name}}已认证

豆包大模型

Doubao-Lite

Doubao-Pro