国君传媒|豆包实时语音大模型上线,AI交互水平再升级

事件：1月20日，豆包实时语音大模型正式推出，并在豆包APP全量开放。 该模型可理解输入语言情绪、实时联网，在输出时具备强大声音控制能力，且高度近似人类、有超低延迟、可随时打断。其真人级语音对话能力具体表现在以下方面：1）拟人化的情感承接，能够理解用户的内容及情绪，并用恰当的语气做出回应；2）强大的声音控制和丰富的情感演绎能力，能够遵循丰富的复杂指令，配合不同的音色、情绪及状态输出，可以讲故事、讲方言和口音、甚至唱歌；3）智商与表现力之间的平衡，该模型的表现力高度接近真人，包括类人的语气词、停顿思考等，模型也有实时联网功能，使其能够根据问题，动态获取最新信息，对时效问题给到精准、及时的回应；4）丝滑的交互体验和超低延迟，实现在更低系统时延情况下的生成准确性、自然度，并且具有敏锐的语音打断与用户对话判停能力。 豆包实时语音大模型的整体满意度较GPT-4o有明显优势，特别是在语音语气自然度和情绪饱满度方面远高于后者。豆包团队围绕拟人度、有用性、情商、通话稳定性、对话流畅度等多个维度选取数十名外部测试者进行考评，豆包实时语音大模型整体满意度（以5分为满分）得分为4.36，GPT-4o为3.18，超过半数的测试者对豆包模型表现打出满分，且豆包模型在情绪理解和情感表达方面优势明显，尤其在“一听就是AI与否”的评测中被认为AI的概率极低。 我们认为，增加了情感的语音交互将显著有利于AI的软硬件应用，能够降低使用门槛、改进效率、提升体验，包括如下应用场景：1）情感陪伴与智慧教育应用；2）AI陪伴硬件如AI玩具、AI宠物，可帮助硬件生产商与IP方扩大需求；3）AI眼镜、AI耳机、AI音箱等生活效率产品将受益于交互方式的改进。 风险提示：AI应用落地进度不及预期，商业化进展不及预期，相关公司主营业务业绩压力。 文章来源 本文摘自：2025年1月20日发布的《豆包实时语音大模型上线，AI交互水平再升级》 更多国君研究和服务 亦可联系对口销售获取 重要提醒 本订阅号所载内容仅面向国泰君安证券研究服务签约客户。因本资料暂时无法设置访问限制，根据《证券期货投资者适当性管理办法》的要求，若您并非国泰君安证券研究服务签约客户，为保证服务质量、控制投资风险，还请取消关注，请勿订阅、接收或使用本订阅号中的任何信息。我们对由此给您造成的不便表示诚挚歉意，非常感谢您的理解与配合！如有任何疑问，敬请按照文末联系方式与我们联系。 法律声明