科大訊飛超擬人交互API正式上線訊飛開放平臺

2024年8月，科大訊飛正式推出星火極速超擬人交互技術，通過端到端語音建模與多維度情感解耦訓練，實現響應速度、情緒共鳴、語音可控表達三大核心突破。該技術可精準識別用戶語音中的情感波動，以適配語氣實時迴應，並支持語速、音色、角色人設的動態調整，標誌着語音交互從“功能實現”向“情感連接”的跨越式升級。

目前，超擬人交互API已正式上線訊飛開放平臺，開發者可低成本調用技術能力。在遊戲領域，NPC能根據玩家情緒動態調整對話策略;教育場景中，AI口語陪練可模擬外教真實反應;文旅行業則涌現出“數字導遊”，通過角色扮演與遊客深度互動。某景區試點顯示，搭載該技術的導遊AI使遊客停留時長增加40%，二次消費率提升25%。

傳統語音交互系統因採用“語音識別-大模型處理-語音合成”的串聯架構，導致平均響應時間達3秒以上，且情感傳遞依賴文本內容，難以捕捉語音中的語氣、節奏等副語言信息。星火極速超擬人交互技術採用統一神經網絡框架，直接實現語音到語音的端到端建模:語音信號經音頻編碼器提取特徵後，與文本語義表徵對齊，再由多模態大模型預測輸出表徵，最終通過音頻解碼器生成情緒自然、節奏精準的合成語音。這一創新使交互延遲壓縮至0.5秒內，響應模式從“你問我答”升級爲“實時對話”。

爲實現真正的情緒共鳴，技術團隊構建了多維度語音屬性解耦表徵體系，將內容、情感、語種、音色、韻律等要素分離訓練。通過對比學習和掩碼預測，系統可精準識別語音中的喜悅、憤怒、焦慮等情緒，並自動調整迴應策略。例如，當用戶焦急詢問路線時，AI會以沉穩語氣快速規劃路徑;當用戶分享趣事時，AI則用輕鬆語調延伸話題。此外，開發者可通過API自定義AI角色人設，使其具備特定價值觀、語言風格，甚至模擬名人音色進行互動。

爲降低應用門檻，訊飛推出階梯式定價策略:API調用成本低至0.1元/分鐘，企業用戶通過認證可獲3個月、10小時免費試用額度。對比傳統語音交互系統需單獨採購語音識別、合成、NLP等模塊，星火極速超擬人技術將整體成本降低60%以上。