豆包实时语音大模型震撼上线，全方位提升语音交互体验！
今日，字节跳动豆包大模型团队隆重推出豆包实时语音大模型，现已在豆包App全量开放。升级至7.2.0版本即可亲身体验这一语音交互领域的重大突破。
豆包实时语音大模型集语音理解和生成于一体，打造端到端语音对话。与传统的级联模式相比，其在语音表现力、控制力、情绪承接方面展现出卓越性能，且具备低时延和随时打断对话等特性。
该模型专为中文语境和场景设计，采用语音和语义联合建模，赋予其丰富的表现力，呈现出接近真人水准的语音表达。通过学习角色语音和情感特点，模型具备强大的讲故事能力，可生动切换不同角色/状态，配合不同情绪表达，提升交互趣味性和沉浸感。
联合建模后，模型涌现出非凡的指令理解、声音扮演和声音控制能力。目前，模型部分方言和口音的识别源自Pretrain阶段数据泛化，而非针对性训练。
豆包实时语音大模型输出的语音高度逼近真人，包括类人的副语言特征（如语气词、停顿思考等）。同时，实时联网功能赋予模型获取最新信息的强大能力，对时效问题可精准、及时地回应。
技术展示表明，该模型语音语气自然度和情绪饱满度逼近真人，对话风格更加拟人，情感理解更加深刻，对用户的情绪做到较好承接。不过，现阶段模型仅支持中文，其他语种和方言的支持仍在探索中。