豆包發佈實時語音大模型 中文一流，雙商在線

近日，豆包公司宣佈推出其全新的實時語音大模型，號稱在中文對話方面實現了 “斷崖式領先”，標誌着 AI 對話能力的顯著提升。這一模型在豆包 App（版本號7.2.0新春版）中全量開放，爲用戶帶來了更爲豐富和真實的語音交流體驗。

據介紹，豆包的實時語音大模型實現了語音理解與生成的深度融合，形成了端到端的語音對話系統。這一技術的突破讓模型在語音表現力、控制力以及情緒承接方面的表現非常出色，具備低時延和隨時打斷對話的功能，極大提升了用戶的互動體驗。官方表示，該技術不僅在 “智商” 上有所提升，情商也在線，能夠更好地理解和表達情感。

此次更新還包括了實時語音通話功能，該功能依託於豆包最新的大模型，可以在不同場景中靈活調整對話節奏、兒化音、音量和氣音等細節。此外，新的語音功能還能模仿不同的聲線，支持多種方言與英語對話，甚至具備部分歌曲的演唱能力。這一切都讓人機對話的真實感提升到了一個新的層次，幾乎達到了 “人機難辨” 的境地。

豆包的研發團隊表示，這一全新技術基於端到端的框架，通過原生方法深度融合語音與文本的模式進行統一建模。這樣的設計不僅優化了語音識別和生成的流程，也爲 AI 賦予了更爲豐富的 “靈魂”，使其能夠更好地與人類進行交流。

豆包的實時語音大模型在中文語音對話領域的推出，將會爲用戶提供前所未有的交互體驗，推動智能語音技術的發展。