近日，社交平台Soul App(以下简称“Soul”)语音大模型再次升级，上线自研端到端全双工语音通话大模型，具备超低交互延迟、快速自动打断、超真实声音表达和情绪感知理解能力等特点，能够直接理解丰富的声音世界，支持超拟人化的多风格语言，实现更接近生活日常的交互对话和“类真人”的情感陪伴体验。目前，Soul自研的端到端语音通话大模型能力已上线旗下“异世界回响”实时通话场景(内测中)，并将在后续拓展至AI苟蛋等多个AI陪伴、AI互动场景。
自2016年上线，Soul一直致力于以创新的技术方案和产品设计，实现社交体验的拓展。2020年，Soul启动对AIGC的技术研发工作，系统推进在智能对话、语音技术、虚拟人等AIGC关键技术能力研发工作，并推动AI能力在社交场景的 落地。
以AI升级社交的过程中，Soul的技术重点之一是致力于实现拟人化、自然化情感陪伴体验。其中，声音是重要环节之一。作为传递信息和情感的重要媒介，声音最能在沟通中赋予“情绪温度”和“陪伴感”。特别是在社交场景中，情感化、低延迟、多风格、类真实的声音能力，可以打破“次元壁”，让线上社交尤其是人机互动中，也能实现真实生活场景聊天的自然流畅感和沉浸现场感，真正完成类现实生活化互动场景中的交互体验。
因此，为给用户带来更好的情绪反馈和陪伴感，情绪理解、延迟问题一直是Soul技术团队关注的焦点。
此前，Soul团队推出了自研的语音生成大模型、语音识别大模型、语音对话大模型、音乐生成大模型等语音大模型能力，支持真实音色生成、语音DIY、多语言切换、多情感拟真人实时对话等，目前已应用于Soul “AI苟蛋”、站内狼人游戏“狼人魅影”AI语音实时互动、独立新产品“异世界回响”等场景。
与国际最前沿的技术发展保持同频，Soul持续完善自身语音技术能力积累，创新AI社交应用体验。今年7月，在人工智能领域顶级的国际学术会议——国际人工智能联合会议(International Joint Conference on Artificial Intelligence,IJCAI)举办的第二届多模态情感识别挑战赛(MER24)上，Soul 语音技术团队于SEMI(半监督学习)赛道获得第一名，在国际赛事舞台上展现了Soul的前沿洞察和技术能力。
如今，自研端到端语音通话大模型的率先上线，再次证明了Soul在行业中扎实的技术能力积累。
区别于传统的级联方案，语音到语音的端到端建模，意味着语音交互体系的颠覆式升级，即不再需要从“语音识别、自然语言理解、语音生成”等多个环节流转，直接语音输入—语音输出的端到端模型能够最大程度实现信息无损传递，降低响应延迟时间。
此次Soul自研的端到端语音通话大模型便具备超低交互延迟、快速自动打断、超真实声音表达和丰富情绪感知理解能力的特点，支持更自然的人机交互体验。
在延迟方面，于实际应用过程中，用户体验与“异世界回响”中虚拟人实时语音通话效果时，延迟时间少于行业平均水平，真正实现即时的AI交流和陪伴。
值得一提的是，端到端的语音语义理解和响应以及更自然的语音指令控制，让Soul语音通话大模型不仅能够给予情感关怀、理解人声情绪情感并给出有温度的回应，还能够理解物理世界的声音场景，模拟物理世界动物声音、理解多人聊天内容，实现多风格语言切换、文艺内容创作和即兴演唱，接近现实交流互动场景需要。
接下来，Soul将持续推进多模态端到端大模型能力建设和应用落地，以AI辅助社交、提升关系建立的质量和效率的同时，构建人机交互新场景，让用户可以与AI进行更加有温度、沉浸、趣味的互动交流，不断创新社交体验。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
