1月20日，豆包APP更新實(shí)時(shí)語(yǔ)音通話功能，面向所有用戶開(kāi)放。
該功能基于最新豆包實(shí)時(shí)語(yǔ)音大模型(Doubao Realtime Voice Model)。更新后，豆包中文場(chǎng)景的對(duì)話能力在語(yǔ)音真實(shí)感和“喜怒哀樂(lè)”的情緒表現(xiàn)上近乎達(dá)到“人機(jī)難辨”的AI交互效果，可以模仿不同聲線，并且在“邏輯思考”和“情緒感知”上有明顯提升。
記者測(cè)試發(fā)現(xiàn)，產(chǎn)品表現(xiàn)上，豆包App全新實(shí)時(shí)語(yǔ)音通話做到了“人機(jī)難辨”的真人級(jí)交互程度，其語(yǔ)音表現(xiàn)和智力的擬人性方面有了質(zhì)的提升。相比大多數(shù)語(yǔ)音系統(tǒng)還在語(yǔ)氣層面進(jìn)行粗線條變化，豆包全新實(shí)時(shí)語(yǔ)音通話功能可以根據(jù)場(chǎng)景自動(dòng)對(duì)節(jié)奏、兒化音、音量、氣音等細(xì)節(jié)精準(zhǔn)把控，甚至能跟你“說(shuō)”悄悄話。
此外，豆包在喜怒哀樂(lè)情緒表現(xiàn)方面也頗為亮眼，還掌握了部分方言與英語(yǔ)對(duì)話、多角色模仿，甚至部分歌曲演唱能力。在日常使用中，它既可以是英語(yǔ)陪練老師、講故事高手，也可以是一位即興唱作者。
過(guò)去，傳統(tǒng)語(yǔ)音對(duì)話任務(wù)系統(tǒng)采用ASR+LLM+TTS的級(jí)聯(lián)模式，無(wú)法滿足真人級(jí)語(yǔ)音對(duì)話對(duì)理解的完整度、生成的自然度、交互的低延時(shí)等各維度的要求。而豆包全新語(yǔ)音能力基于創(chuàng)新的端到端框架，使用原生方法深度融合語(yǔ)音與文本模態(tài)進(jìn)行統(tǒng)一建模。最終可實(shí)現(xiàn)從多模態(tài)輸入直接到多模態(tài)輸出的效果，賦予AI語(yǔ)音對(duì)話“靈魂”。
豆包相關(guān)負(fù)責(zé)人介紹，交付體驗(yàn)上，豆包語(yǔ)音對(duì)話在確保模型具備強(qiáng)大理解和邏輯能力，能聯(lián)網(wǎng)回答時(shí)效性問(wèn)題的同時(shí)，還具備超低延時(shí)和流暢打斷能力。
豆包全新實(shí)時(shí)語(yǔ)音通話功能與同類產(chǎn)品拉開(kāi)明顯差距，中文對(duì)話斷崖式領(lǐng)先，同時(shí)，情商智商雙雙在線。據(jù)外部真實(shí)反饋，用戶對(duì)豆包此次上線的全新語(yǔ)音通話功能整體滿意度為4.36/5，對(duì)GPT-4o語(yǔ)音對(duì)話滿意度則為3.18/5，尤其語(yǔ)音語(yǔ)氣自然度和情緒飽滿度方面，豆包有明顯優(yōu)勢(shì)。
目前，豆包App全新實(shí)時(shí)語(yǔ)音通話功能已經(jīng)全量上線，用戶下載并升級(jí)豆包APP至7.2.0新春版即可體驗(yàn)。
本文鏈接：http://m.zh1234.com/news15397.html豆包App更新實(shí)時(shí)語(yǔ)音通話功能，中文對(duì)話斷崖式領(lǐng)先，人機(jī)難辨！
