官方网站-首页
百度端到端语音语言大模型发布，成本宣称最高降 90%
- 分类：行业动态
- 作者：
- 来源：
- 发布时间：2025-04-01 13:00:48
- 访问量：514
【概要描述】 3 月(yuè) 31 日(rì)消(xiāo)息(xi)，在(zài)百(bǎi)度(dù) AI DAY 上(shàng)，百(bǎi)度(dù)发(fā)布(bù)首(shǒu)个(gè)基(jī)于(yú)全新(xīn)互(hù)相(xiāng)关注(zhù)意(yì)力(lì)（Cross-Attention）的(de)端(duān)到(dào)端(duān)语(yǔ)音(yīn)语
百度端到端语音语言大模型发布，成本宣称最高降 90%
【概要描述】 3 月(yuè) 31 日(rì)消(xiāo)息(xi)，在(zài)百(bǎi)度(dù) AI DAY 上(shàng)，百(bǎi)度(dù)发(fā)布(bù)首(shǒu)个(gè)基(jī)于(yú)全新(xīn)互(hù)相(xiāng)关注(zhù)意(yì)力(lì)（Cross-Attention）的(de)端(duān)到(dào)端(duān)语(yǔ)音(yīn)语
- 分类：行业动态
- 作者：
- 来源：
- 发布时间：2025-04-01 13:00:48
- 访问量：514
3 月(yuè) 31 日(rì)消(xiāo)息(xi)，在(zài)百(bǎi)度(dù) AI DAY 上(shàng)，百(bǎi)度(dù)发(fā)布(bù)首(shǒu)个(gè)基(jī)于(yú)全新(xīn)互(hù)相(xiāng)关注(zhù)意(yì)力(lì)（Cross-Attention）的(de)端(duān)到(dào)端(duān)语(yǔ)音(yīn)语(yǔ)言(yán)大(dà)模(mó)型(xíng)，宣(xuān)布(bù)实(shí)现(xiàn)超(chāo)低(dī)时(shí)延(yán)与(yǔ)超(chāo)低(dī)成(chéng)本(běn)，在(zài)电(diàn)话(huà)语(yǔ)音(yīn)频(pín)道(dào)的(de)语(yǔ)音(yīn)问(wèn)答(dá)场(chǎng)景(jǐng)中(zhōng)，调(diào)用(yòng)成(chéng)本(běn)较(jiào)行(xíng)业(yè)均(jūn)值(zhí)下(xià)降(jiàng)约(yuē) 50%-90%。
当(dāng)日(rì)，文小(xiǎo)言(yán)宣(xuān)布(bù)品(pǐn)牌(pái)焕(huàn)新(xīn)，率(lǜ)先(xiān)接(jiē)入(rù)该(gāi)模(mó)型(xíng)，还(hái)带(dài)来(lái)多(duō)模(mó)型(xíng)融(róng)合(hé)调(diào)度(dù)、图(tú)片(piàn)问(wèn)答(dá)等(děng)功(gōng)能(néng)升(shēng)级(jí)。接(jiē)入(rù)该(gāi)模(mó)型(xíng)后(hòu)，文小(xiǎo)言(yán)不(bù)仅(jǐn)能(néng)支(zhī)持(chí)更(gèng)拟(nǐ)真(zhēn)的(de)语(yǔ)聊(liáo)效(xiào)果(guǒ)，而(ér)且(qiě)支(zhī)持(chí)重(zhòng)庆(qìng)、广(guǎng)西(xi)、河(hé)南(nán)、广(guǎng)东(dōng)、山(shān)东(dōng)等(děng)特(tè)色(sè)方(fāng)言(yán)。据(jù)介(jiè)绍(shào)，语(yǔ)音(yīn)大(dà)模(mó)型(xíng)具(jù)备(bèi)极(jí)低(dī)的(de)训(xun)练(liàn)和(hé)使(shǐ)用(yòng)成(chéng)本(běn)，极(jí)快(kuài)的(de)推(tuī)理(lǐ)响(xiǎng)应(yīng)速(sù)度(dù)，语(yǔ)音(yīn)交(jiāo)互(hù)时(shí)，可(kě)将(jiāng)用(yòng)户(hù)等(děng)待(dài)时(shí)长(zhǎng)从(cóng)行(xíng)业(yè)常(cháng)见(jiàn)的(de) 3-5 秒(miǎo)降(jiàng)低(dī)至(zhì) 1 秒(miǎo)左(zuǒ)右(yòu)。
更(gèng)新(xīn)后(hòu)的(de)文小(xiǎo)言(yán)还(hái)支(zhī)持(chí)“多(duō)模(mó)型(xíng)融(róng)合(hé)调(diào)度(dù)”，整(zhěng)合(hé)了(le)百(bǎi)度(dù)自(zì)研(yán)的(de)文心(xīn) X1、文心(xīn) 4.5 等(děng)模(mó)型(xíng)，并(bìng)接(jiē)入(rù) DeepSeek-R1 等(děng)第(dì)三(sān)方(fāng)优(yōu)质(zhì)模(mó)型(xíng)，实(shí)现(xiàn)了(le)多(duō)模(mó)型(xíng)间(jiān)的(de)智(zhì)能(néng)协(xié)同(tóng)。用(yòng)户(hù)可(kě)以(yǐ)选(xuǎn)择(zé)“自(zì)动(dòng)模(mó)式(shì)”，一(yī)键调(diào)用(yòng)最(zuì)优(yōu)模(mó)型(xíng)组(zǔ)合(hé)，也(yě)可(kě)根(gēn)据(jù)需(xū)求(qiú)选(xuǎn)择(zé)单(dān)一(yī)模(mó)型(xíng)完(wán)成(chéng)特(tè)定(dìng)任(rèn)务(wu)，提(tí)升(shēng)响(xiǎng)应(yīng)速(sù)度(dù)与(yǔ)任(rèn)务(wu)处(chù)理(lǐ)能(néng)力(lì)。
从(cóng)活(huó)动(dòng)中(zhōng)获(huò)悉(xī)，文小(xiǎo)言(yán)还(hái)加(jiā)强(qiáng)了(le)图(tú)片(piàn)问(wèn)答(dá)功(gōng)能，用户拍摄或上(shàng)传图片，以文字或语音(yīn)提问即可直接获取深度解析。例如，拍摄一道数学题可实时生成解题思路与视频解析；上传多款商品图可对比参数、价格，辅助购物决策。
此外，文小言新增“图个冷知识”功能，用户可预设“历史学者”“科技达人”等人设视角，为同一图片赋予多维解读。例如，当用户询问“猫窗探秘，为何猫爱窗边的科学真相？”，文小言能从狩猎本能、能量获取、领地意识等角度给出独特解读。
百度语音首席架构师贾磊透露，该模型是百度在业界首个推出、基于全新互相关注意力 (Cross-Attention) 的端到端语音语言大模型。“在语音场景满足一定交(jiāo)互(hù)指(zhǐ)标(biāo)下(xià)，大(dà)模(mó)型(xíng)调用成本比行业平均降低 50%-90%，推理响应速度极快，将语音交互等待时间压缩至 1 秒左右，极大提升了交互流畅性。同时，在大模型加持下，实现了流式逐字的 LLM 驱动的多情感语音合成，情感饱满、逼真、拟人，交互听感也得到极大提升。”
扫二维码用手机看
