豆包公司近期推出了全新的实时语音大模型，在中文对话方面取得了显著突破，已在豆包App 7.2.0新春版中全量开放。该模型实现了语音理解与生成的深度融合，具有低时延、随时打断对话等功能，显著提升了用户的互动体验。此外，该模型还能灵活调整对话细节，模仿不同声线，支持多种方言和英语对话，甚至具备部分歌曲的演唱能力，让人机对话几乎达到了“人机难辨”的境地。

此次技术突破不仅提升了AI的“智商”，还使其“情商”在线，能够更好地理解和表达情感。豆包的研发团队采用端到端的框架，通过原生方法深度融合语音与文本的模式进行统一建模，为AI赋予了更为丰富的“灵魂”，推动智能语音技术的发展迈上了新的台阶。

标 签：