豆包推出实时语音大模型：号称中文对话断崖式领先、情商智商均在线

IT之家 1 月 20 日消息，IT之家从豆包官方获悉，豆包实时语音大模型今日正式推出，并在豆包 App（版本号为 7.2.0 新春版）全量开放。

根据披露，豆包实时语音大模型实现了语音理解和生成一体化，实现了端到端语音对话。相对传统级联模式，它在语音表现力、控制力、情绪承接方面表现出色，具备低时延、随时打断等特性，“中文对话断崖式领先，情商智商双双在线”。

最新更新的豆包 App 实时语音通话功能已对所有用户开放。新功能基于最新的豆包实时语音大模型。官方表示，更新后的中文场景对话在语音真实感和情绪表现上几乎达到“人机难辨”的AI交互效果，可以模仿不同的声音，并在逻辑思考和情绪洞察方面有显著提升。

据介绍，全新的豆包实时语音通话功能可以根据场景自动控制节奏、儿化音、音量、气音等细节，还可以向用户“耳语”。其掌握了部分方言与英语对话、多角色模仿，甚至一些歌曲演唱能力。

豆包的全新语音能力基于端到端框架开发，它使用原生方法深度融合语音与文本模式进行统一建模。最终可以直接实现多模态输入到多模态输出的效果，从而实现官方所描述的为AI语音对话赋予“灵魂”的目标。

广告声明：文内包含对外跳转链接（包括但不限于超链接、二维码、口令等形式），用于传达更多信息，节省选购时间，仅供参考。