blog details

2025年4月7日

24

419

百度发布端到端语音语言大模型,引领语音交互新时代

本周,百度重磅推出首个基于互相关注意力的端到端语音语言大模型,并率先集成至其语音助手文小言上,用户可通过开放平台免费体验这一创新技术。文小言的新版本通过三个关键词诠释了其核心升级方向:语音交互超逼真、超低时延、超低成本,为数字化时代的语音 AI 解决方案树立了新标杆。

超逼真语音交互:结合百度语音语言大模型,文小言不仅能够精准识别重庆、广东、河南等地的方言,还可以流畅完成情感丰富且自然的对话。这种交互体验令 AI 语音助手不仅仅是工具,更像贴心的情感陪伴和高效助手。超低时延响应:得益于优化后的架构设计,文小言的内置模型将用户等待时长从行业普遍的3~5秒缩短至1秒以内,几乎媲美真人对话的快速反馈。超低使用成本:在语音交互场景如电话语音问答中,单次调用成本较行业平均水平下降了 50%-90%,大幅减轻了大规模应用的成本负担,为普及带来更多可能性。

语音交互的三大亮点全面提升用户体验

与传统大语言模型不同,百度的语音语言大模型突破性地实现情感赋予,通过TN韵律和人设风格情感控制两大核心模块,使得生成的语音不仅精准且情感饱满。这是传统文本大模型无法比拟的。此外,该大模型采用了简化的训练流程。例如,其训练基于百度自研的 文心大模型,使用数百片 GPU 卡优化仅需一周,即可实现高效部署和并发处理能力。相比传统语音交互模型,百度的新技术路径解决了几大痛点:延迟高、多轮交互复杂、上下文记忆不足及高噪音环境下的性能下降,从多个维度提升了 语音大模型应用 的稳定性、准确性与实时交互能力。

本周,百度重磅推出首个基于互相关注意力的端到端语音语言大模型,并率先集成至其语音助手文小言上,用户可通过开放平台免费体验这一创新技术。

“小墨”

技术创新:跨越语音交互的挑战

百度语音语言大模型的发布,进一步推动了 AI智能体平台 在语音领域的应用落地。通过优化技术路径,大幅降低了语音交互的调用成本,并提升了交互效率,为行业树立了新的技术基准线。作为开放平台的一部分,该模型的推出也将加速类似 AIGC定制开发、AI智能客服解决方案 等多场景应用的普及,推动 企业级AI应用 和 大语言模型应用 的商用化进程。可以说,百度以其全新发布的语音语言大模型,全面覆盖了从 AI智能体自动化 到 AI技术平台 的多项关键创新,让语音 AI 从辅助工具迈向全能助手的新时代。

通过将端到端语音语言大模型集成到开放平台,百度为研发者和企业提供了创新合作的可能性。这一更新不仅意味着语音 AI 的应用成本进一步降低,还在性能和体验上展现出强大的竞争优势。随着 RAG检索增强、多模态技术与 AI工作流编排的全面融合,百度正在引领智能语音交互从探索走向成熟,为 AI大模型商用落地 打开新的发展空间。

如有侵权,请联系删除。

Related Articles

联系我们预约演示
小墨 AI