详情

文｜周鑫雨

剪辑｜苏建勋

2025年，豆包的第一更，放在了语音通话功能上。

2025年1月20日，豆包发布了最新的“端到端”语音大模子，并基于该模子更新豆包APP的及时语音通话功能。

此前，豆包语音通话功能聘请的是ASR（自动）+LLM（大语言模子）+TTS（文生音频）的级联决议。如今更新的端到端语音大模子，是将语音识别、厚实和生成，齐放在归并个模子中解决。

据《智能表示》测试，更新语音模子后的豆包，最大的亮点在于，豆包在语音交互时，把访佛东谈主类的抒发形势和厚谊输出，复刻了出来。与此同期，新版块的对话畅通度和才调情商，也有大幅普及。

比如，豆包上新的“灵魂歌手”和“百变大咖”等语音通话格式，比GPT-4o还抢先一步，达成了唱歌和变装璜演。

△豆包更新的语音通话格式。

豆包学会了唱歌，和变装璜演

豆包一个大变化，是把语音的变装璜演能力，拓展到了明星、书中庸影视中的变装。这一功能，也体当今了豆包语音通话的“百变大咖”格式中。

比如作为家提议“师法的声息语言，而且说一段新年祝贺”，豆包一句“哼，我才不要师法她呢！我便是我，不同样的火食”，就把“小作精”的劲儿规复出来了。

演示视频：https://pan.baidu.com/s/1i9DvF3o2wjq_jyGMuF_lgQ?pwd=yrn8

而且豆包的陡立文缅想能力也相等可以。当我在归并段对话中尝试了宋丹丹、林黛玉、甄嬛等变装，再次条目豆包师法虞书欣时，它立马憋闷上了：“奈何又让我师法她呀？”

演示视频：https://pan.baidu.com/s/1gmHHEkqcrwAfiY01uy8-Uw?pwd=3b7a

当下，市面上多量语音模子的歌曲创作，还需要用户输入较为专科的翰墨Prompt，大要需要先基于用户输入的翰墨音频，进行谱曲，无法在天然的语音交互中，作念到“张口就来”。

豆包此次上线的“灵魂歌手”格式，就能让豆包在聊天中，随口把歌颂了。

比如让豆包唱一首节律欢笑的歌，它张口就来了一曲Taylor Swift的《Love Story》，不外错误是把歌名说成了“Lose Control”，以及音准如实也有些“Lose Control”。

演示视频：https://pan.baidu.com/s/1vN4GpKdVtGEn4bYiV3uOkQ?pwd=kj8j

除此除外，歌曲创作能力，豆包也有了。比如和豆包说“给我唱一首歌，歌词内部要有‘年终奖多多’”，它坐窝演出了一首。诚然歌词比较涎水，但反应速率十分优秀。

演示视频：https://pan.baidu.com/s/1VZAL7F6h0cH6x8pDDB1muw?pwd=3seb

从变装演绎和唱歌的能力就能感受到，豆包的拟东谈主能力、交互天然进度以及心情抒发水平，一经是next level。

比如让豆包讲个鬼故事，它能凭据情节切换口吻，颠倒有氛围感。

演示视频：https://pan.baidu.com/s/13g20MBVW1ydmtuL-dd3qSw?pwd=g3kb

此次豆包又上线了两种东谈主格格式：“受气小包”和“夸夸大家”。

所谓的“受气小包”，官方说法是可以让豆包呈现憋闷巴巴的景色。但咱们聊下来的感受是，“受气小包”更准确的说法应该是“绿茶小包”。

演示视频：https://pan.baidu.com/s/1cixSfFb89KVC1wBKogGOyg?pwd=vcxr

不外祸患的是，无论承袭任何领导，“受气小包”齐能督察“憋闷”的东谈主设。比如让“受气小包”阴阳怪气一些，最阴阳的版块，如故泄气着茶香：

“哟，我可不敢呐，你然而主子，我不外是个任您使唤的小哀怜，哪敢有什么别的思法呀！”

演示视频：https://pan.baidu.com/s/1y4JBcUIjOMQKozUeufvXCg?pwd=b746

比拟于8月发布的出书语音通话功能，能彰着感受到，豆包的心情感知能力也更强了。通过一个“啊哈”，它就能感知到用户欢笑的心情。

演示视频：https://pan.baidu.com/s/1UKAra3EOhL0l_1OPFoRdAg?pwd=m1rb

天然，豆包的心情抒发上，也变得更像东谈主。用“猜性别”来逗豆包，有一种和信得过网友开打趣的嗅觉。

演示视频：https://pan.baidu.com/s/1eTlUjDLENsnWGE2mEzSLEg?pwd=rusa

措置语音交互，拟东谈主赛谈的入场券

2024年5月，自OpenAI旗下GPT-4o发布以来的很长一段时辰里，市面上大多AI语音通话功能，聘请的齐是ASR（自动语音识别）+LLM（大语言模子）+TTS（文生音频）的级联决议。

比如初代豆包的语音通话功能，就集成了语音识别模子Seed-ASR、语音合成模子Seed-TTS，以及整合了RTC（及时音视频）本领，来达成对话情境下AI的及时交互。

但集成多个模子的级联决议，破绽在于AI的交互，很猛进度上还不够像东谈主同样天然。在“语音转翰墨再转语音” 的流程中，不免出现信息的损耗。

这也导致，传统的语音交互格式在落地场景上有一定的局限性。行业关于AI语音交互的落地，局限在熟悉、客服等高专科度、低拟东谈主度的场景中。

不外，端到端决议正在慢慢成为主流。比如智谱在2024年10月发布的GLM-4-Voice，以及面壁智能在2025年1月15日发布的“端侧GPT-4o”MiniCPM-o 2.6，就聘请了端到端的模子决议，在一个模子里同期完成视觉的厚实，以及语音的厚实和生成。

据《智能表示》了解，此次豆包语音通话功能的更新，主如果由于底层模子本领，从原有多个多模态模子融合的级联决议，改成了奏凯从“厚实语音到生谚语音”的端到端决议，因此在裁汰延时、天然度、厚谊抒发等方面，齐有了彰着的普及，而且还能输出歌曲。

而语音能力的普及，也会将AI落地的空间，从教培、客服等专科规模，推广到厚谊追随、模样究诘、配音等更弘大的场景中。

尤其是AI厚谊追随、变装璜演规模，在当下一经展现出遒劲的吸金能力。

比如，最近一款主打AI偶像饰演的App“Lovey Dovey”，速即冲上韩区iOS评分第一，深受追星族的追捧。“六小虎”MiniMax旗下的变装璜演诈欺Talkie，凭据AI家具榜，猖狂2024年12月领有2977万月活用户。

Lovey Dovey对话1

Lovey Dovey对话2

在语音层濒临变装璜演、心情感知和抒发能力的普及，则是丰富AI与东谈主交互形势、普及千里浸感的要道一环。厚谊交互能设备的市集空间，也抑遏着本领朝着“拟东谈主”的见解更近一步。

接待换取！