豆包App灰度发布全新语音模式，抢先GPT-4o实现歌唱与角色扮演功能

豆包App在2025年1月20日发布了最新的“端到端”语音大模型，并基于此更新了实时语音通话功能。此次更新将语音识别、理解和生成整合到一个模型中，大幅提升了对话的流畅度和情感表达。豆包新增的“灵魂歌手”和“百变大咖”模式，使其能在语音交互中唱歌和模仿各种角色，甚至包括明星、书中和影视中的角色，这一能力超越了GPT-4o。此外，豆包的情绪感知和表达也变得更加强大，能够根据对话情境切换语气，提供更自然的交互体验。此次更新标志着豆包在拟人化赛道上取得了重要进展，有望将AI的应用场景从专业领域扩展到情感陪伴、心理咨询等更广泛的领域。

另一方面，传统的ASR+LLM+TTS级联方案在语音交互的自然度上存在局限，而端到端方案逐渐成为主流。豆包此次的技术升级，正是从多个多模态模型合作的级联方案，转变为端到端的模型方案，从而在降低延时、提升自然度和情感表达等方面取得了显著效果。这一变化不仅提升了用户体验，也为AI语音交互的落地开辟了更广阔的市场空间。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！