北京商报讯(记者 陶凤 王天逸)12月23日,通义大模型正式推出全新一代端到端语音交互模型Fun Audio Chat。
据介绍,这款模型并非简单的“聊天工具”,而是一个听得懂、感知得到情绪,并能真正帮你做实事的AI语音助手。
在技术表现上,新采用的端到端S2S架构,能够直接从语音输入生成语音输出,无需经过传统的ASR、LLM、TTS等多个模块的拼接处理,从而实现了更高的效率和更低的延迟;其共享LLM层以5Hz帧率进行高效处理,SRH模块则以25Hz帧率生成高质量语音,GPU计算开销降低了近50%;模型训练内容全面覆盖了音频理解、语音问答、情感识别、工具调用等真实应用场景,使得模型能力更加贴近实际需求。
