1月20日，豆包APP更新實(shí)時(shí)語音通話功能，面向所有用戶開放。

該功能基于最新豆包實(shí)時(shí)語音大模型（Doubao Realtime Voice Model）。更新后，豆包中文場(chǎng)景的對(duì)話能力在語音真實(shí)感和“喜怒哀樂”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)語音通話做到了“人機(jī)難辨”的真人級(jí)交互程度，其語音表現(xiàn)和智力的擬人性方面有了質(zhì)的提升。相比大多數(shù)語音系統(tǒng)還在語氣層面進(jìn)行粗線條變化，豆包全新實(shí)時(shí)語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”悄悄話。

此外，豆包在喜怒哀樂情緒表現(xiàn)方面也頗為亮眼，還掌握了部分方言與英語對(duì)話、多角色模仿，甚至部分歌曲演唱能力。在日常使用中，它既可以是英語陪練老師、講故事高手，也可以是一位即興唱作者。

過去，傳統(tǒng)語音對(duì)話任務(wù)系統(tǒng)采用ASR+LLM+TTS的級(jí)聯(lián)模式，無法滿足真人級(jí)語音對(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)語音通話功能與同類產(chǎn)品拉開明顯差距，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音通話功能整體滿意度為4.36/5，對(duì)GPT-4o語音對(duì)話滿意度則為3.18/5，尤其語音語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)。

雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。