中國版GPT-4o來了！沒等來OpenAI的“Her”,訊飛星火版“Her”搶先到來，打造國內(nèi)首個全新中文交互模式，并將在8月底率先全民開放使用。這意味著國內(nèi)首個對標(biāo)GPT-4o語音功能的產(chǎn)品正式到來。

8月19日，科大訊飛宣布星火語音大模型更新，正式推出星火極速超擬人交互，并將其能力落地在訊飛星火APP“小星暢聊”功能中。星火極速超擬人交互響應(yīng)速度更快，對話更加自然流暢，隨時打斷、插話之后還能秒回。有趣的是，星火極速超擬人交互還能感知你的情緒變化，并共情地回應(yīng)你的喜怒哀樂，在表達上更加自然、更具情感。

從官方展示效果來看，星火極速超擬人交互在響應(yīng)和打斷速度、情緒感知情感共鳴、語音可控表達、人設(shè)扮演四個方面實現(xiàn)突破，讓整體的交互體驗更自然、更有趣，就像電影《Her》中展現(xiàn)的智能且人性化的聊天效果一樣。

在響應(yīng)速度上，星火極速超擬人交互支持極速響應(yīng)多輪交互，能夠在對話過程中生成高質(zhì)量的回答，并且響應(yīng)速度更快、與GPT-4o響應(yīng)時間相當(dāng)，幾乎與人類正常聊天節(jié)奏一致，并且對話中允許用戶隨時打斷、插話，可謂實現(xiàn)了人機對話的“無縫銜接”。

在情緒感知情感共鳴上，星火極速超擬人交互可以在對話中感知到用戶的喜、怒、哀、樂、害怕、困惑等各類情緒，不僅能根據(jù)聲音的內(nèi)容來判斷，還能像朋友一樣用合適的情感回應(yīng)用戶。比如，用笑聲回應(yīng)開心，安慰悲傷情緒……此刻是不是有一種《Her》的既視感。同時，星火極速超擬人交互還能識別用戶咳嗽、貓和狗的叫聲等，給出對應(yīng)的回復(fù)語。

相比以前語音交互中機器聲音無法調(diào)整的情況，現(xiàn)在只要語音發(fā)出指令，就可以控制超擬人在情感、風(fēng)格、方言、強度等表達方式上做出變化。“用調(diào)侃的方式給我說個笑話”、“用東北話給外地朋友介紹下鍋包肉”、“說的更快一點”……

此外，星火極速超擬人交互還支持“角色扮演”，可以模仿不同的角色陪你聊天。比如，“模仿孫悟空的聲音來和小孩子對話”，超擬人便會模仿孫悟空的聲音和人設(shè)和小朋友聊天。

今年5月OpenAI驚艷亮相了GPT-4o，展示了堪比電影《Her》中的人機交互體驗，但遲遲沒有面向用戶開放，上個月底也只是選擇性地向一小部分Alpha測試參與者開放部分語音功能。

訊飛星火版Her的到來，可以說比OpenAI搶先一步落地，也代表國產(chǎn)大模型開始從追趕、對標(biāo)到進行自主創(chuàng)新、走出差異化路線。

據(jù)科大訊飛透露，此次星火極速超擬人交互采用統(tǒng)一神經(jīng)網(wǎng)絡(luò)直接實現(xiàn)語音到語音端到端建模，對比傳統(tǒng)的語音轉(zhuǎn)文字、大模型生成回復(fù)文本、語音合成三步驟來說可謂“一氣呵成”，大幅縮短響應(yīng)時間的同時，也提升了交互擬人度和流暢度。

同時，結(jié)合訊飛多維度的語音屬性解耦表征訓(xùn)練準(zhǔn)則，將內(nèi)容、音色、情感、語言、風(fēng)格都信息進行解耦訓(xùn)練，使得星火極速超擬人交互能夠更加靈活控制各類元素，還能根據(jù)需求便捷定制，讓系統(tǒng)快速落地應(yīng)用。

正是基于以上技術(shù)創(chuàng)新，8月底星火極速超擬人交互將率先全民開放使用。科大訊飛表示，基于全新端到端框架創(chuàng)新基礎(chǔ)上，星火極速超擬人交互目前主要開放語音模態(tài)，未來會持續(xù)在交互上創(chuàng)新突破，不僅會帶來更多更實用、豐富的功能，也會拓展到更多模態(tài)。

在2023年科大訊飛全球1024開發(fā)者節(jié)上，華為科技有限公司副董事長、輪值董事長徐直軍曾表示，“華為公司在全球所有使用的智能終端的語音技術(shù)，都是來自于科大訊飛，而且不僅僅是中文”。這一波語音能力的革新，多輪交互、語義理解、指令跟隨、邏輯推理、情感共鳴……代表了智能語音交互領(lǐng)域的一大階躍。全新的星火超擬人交互模式達到了類人級別的極速響應(yīng)和聰明、實用、流暢、自然的非凡表現(xiàn)，這一技術(shù)的應(yīng)用和普及還隱藏著巨大的可能性——語音市場在這個時代將被重寫，語音交互帶動萬物互聯(lián)的第六次產(chǎn)業(yè)浪潮有望出現(xiàn)一次井噴。

該項技術(shù)突破，將會極大地促進智能語音技術(shù)進一步應(yīng)用于智能手機、智能汽車、智能家電以及智能家居等各類消費級產(chǎn)品當(dāng)中，并且隨著全球化進程的加深，對多語種、多方言的需求也會持續(xù)增加。據(jù)國際數(shù)據(jù)公司IDC分析,預(yù)計到2030年,全球智能語音服務(wù)市場規(guī)模將達約731.6 億美元,復(fù)合增長率27%。科大訊飛憑借上述技術(shù)突破有望收獲新一輪產(chǎn)業(yè)紅利。