云知声山海·知音2.0发布：多模态AI交互新纪元开启
1月26日，云知声正式发布了“山海·知音”2.0版本，标志着其在“一基两翼”技术战略升级上的能力版图已基本构建完成。
“山海·知音”大模型2.0——依托“山海·Atlas”的强大底座能力，实现了跨语言与多模态的深度融合，进而推动了“山海·知医”等垂直领域专业智能体的效能升级，旨在将智能语音技术惠及千家万户。具体而言，本次升级聚焦于三大能力的进化：精准听懂专业术语与乡音方言、流畅对话中蕴含人情温度、以及实现极致的低延迟实时响应。
听懂专业与乡音——ASR能力全景升级
此次模型升级在ASR（自动语音识别）能力上表现卓越。无论是在公开测试集，还是在自有全场景测试集中，其语音识别能力均处于行业领先地位。评测结果显示，该模型实现了从通用场景到复杂极端场景的全面领先，性能超越了国内外主流的开源及闭源语音大模型，达到了当前业界的最高水平。
特别是在高难度的复杂噪音与方言口音混合场景下，其性能相比主流ASR模型提升了2.5%至3.6%，而在复杂背景噪音环境下的识别准确率，更是业内首次突破90%大关。
公有测试集表现
随着人工智能时代的全面到来，云知声基于“山海·Atlas”通用智能计算底座的持续演进来推进基础能力革新。继年前完成“山海·知医”5.0医疗大模型的升级后，今日又迎来了“山海·知音”2.0的重磅发布，从而完成了“一基两翼”技术战略升级的整体能力拼图构建。
自有测试集表现
“山海·知音”大模型2.0——依托“山海·Atlas”的强大底座能力，实现了跨语言与多模态的深度融合，进而推动了“山海·知医”等垂直领域专业智能体的效能升级，旨在将智能语音技术惠及千家万户。具体而言，本次升级聚焦于三大能力的进化：精准听懂专业术语与乡音方言、流畅对话中蕴含人情温度、以及实现极致的低延迟实时响应。
听懂专业与乡音——ASR能力全景升级
此次模型升级在ASR（自动语音识别）能力上表现卓越。无论是在公开测试集，还是在自有全场景测试集中，其语音识别能力均处于行业领先地位。评测结果显示，该模型实现了从通用场景到复杂极端场景的全面领先，性能超越了国内外主流的开源及闭源语音大模型，达到了当前业界的最高水平。
特别是在高难度的复杂噪音与方言口音混合场景下，其性能相比主流ASR模型提升了2.5%至3.6%，而在复杂背景噪音环境下的识别准确率，更是业内首次突破90%大关。
聊出亲情与温度——TTS能力声动进化
如果说ASR能力是机器的“耳朵”，那么TTS（语音合成）能力便是其“嘴巴”。“山海·知音”TTS以“高度拟人化与创意多元化”为核心，让合成语音同时兼具真实感与创造力，赋予科技以温度。它目前支持12种方言及10种外语，无论是清晰人声、爽朗笑声，还是细微的呼吸声，都能自然还原，甚至可以在12种不同的普通话风格间自如切换——温婉、干练、亲切，风格任你挑选。“科技不该高高在上，而该用你最舒适的方式与你对话。”
基于大模型的语音合成技术，传统上常采用流匹配方式，将大语言模型预测的语音标记转换为梅尔谱，再通过神经声码器重建成最终语音。但该方案普遍存在延迟较高的问题。
因果注意力机制图示
业界通常采用流匹配分段处理的方式来降低延迟，但效果有限，且容易牺牲音质。为实现真正高质量、低延迟的流式语音生成，云知声创新性地设计了基于纯因果注意力机制的流匹配模块，并与神经声码器进行联合优化，构建出端到端的纯流式推理架构。该方案在不损失语音合成质量的前提下，显著降低了系统延迟——在低并发场景下，首包延迟已压缩至90毫秒以内，达到了业界领先的实时交互水平。
极致机敏反应——端到端全双工自然交互
真正智能的交互，关键在于“听懂语境、感受情绪、并作出自然回应”。端到端模型实现流畅全双工对话的核心挑战在于：需要在流式收声的同时，同步完成语义理解、决策与内容生成，而且能在任意打断瞬间保持对话状态的连贯性。
“山海·知音”2.0基于其端到端交互大脑设计，成功攻克了这一难题，将全双工交互能力提升至新高度。它支持随时打断、即时接话和连贯追问，如同与一位真正的朋友聊天，对话如行云流水般顺畅，毫无卡顿之感。“这不只是问答，更是一场真正的对话。”
这一切卓越能力的背后，是云知声独创的“山海·Atlas”智算一体基座在提供核心支撑。它将通用多模态大模型底座能力与Atlas基础架构进行了深度整合，既是垂直领域专业智能体的坚实基础，也是构建感知AI中枢的根基——将传统的ASR、TTS识别合成能力与全双工交互能力，高效整合进端到端的大模型中，从而实现了传统模块化联动难以企及的极致交互体验与系统效率。
智启山海，知音万物。从专业手术室到乡村小路，从智能座舱到长者床头，云知声始终坚信：真正的智能，不在于炫技，而在于融入生活本身。“山海·知音”2.0，让AI不再是冰冷机器，而是能听清、说真、懂人心的温暖伙伴。这一次，AI终于学会了好好说话。
相关攻略
云知声发布医疗健康保险大模型“山海知医慧保”，基于自研通用底座并融合临床数据，提供医保合规与商保理赔解决方案。该模型覆盖政策问答、智能审核等全流程，关键指标显著提升，现已通过标准化接口上线，助力保险领域AI规模化应用。
杰西卡 发自 凹非寺量子位 | 公众号 QbitAIAI大模型，究竟怎么真正赚钱啊？在AI行业，技术的故事已经讲了太多，但“如何赚钱”这个灵魂拷问，公开透明的参考资料依旧稀少——不过现在，一份最新、
智东西作者｜三北编辑｜漠影智东西3月26日报道，刚刚，云知声交出了一张“硬核成绩单”。该公司2025年营收12 1亿元，同比增长29%；其中大模型相关收入达6 1亿元，同比暴涨1076%，首次撑起半
3月26日消息，3月26日，云知声（09678 HK）发布截至2025年12月31日止年度的经审核全年业绩。2025年全年，云知声实现总营收12 1亿元人民币，同比增长29%。其中，下半年收入同比增
在经历了长达两年的 "百模大战 "喧嚣后，中国人工智能产业正在迎来一个关键的去伪存真时刻。如果说2024年是应用场景的探索期，那么2025年无疑是商业兑现的决胜之年。2026年伊始，第一个交卷的选手出现
热门专题
热门推荐
机器人行业迎来里程碑式突破。以视频生成模型Vidu著称的生数科技，正式发布了名为Motubrain的“世界动作模型”。这并非一次普通迭代，而是被定位为机器人的“物理大脑”，其核心目标在于：用一个统一的通用模型，彻底取代以往依赖多个专用系统拼凑而成的复杂架构。 正如其“一个大脑，无限可能”的口号所揭示
xAI正式进军AI编程智能体领域，于近日发布了专为软件工程与复杂编程任务设计的Grok Build。 简单来说，Grok Build是一款能在终端里直接跑起来的AI编程助手。它被定位为一个具备智能体能力的命令行工具，开发者用自然语言告诉它要做什么，它就能生成代码，甚至帮你搞定一系列编程和自动化任务。
近日，谷歌对其搜索引擎的核心规则进行了重要更新，此次调整直指当前备受关注的AI搜索领域。具体而言，谷歌在其垃圾内容政策中新增了明确条款，正式将“操纵AI搜索结果”的行为列为违规操作，划定了新的质量红线。 根据权威行业媒体Search Engine Land的报道，本次谷歌算法更新的核心在于，将任何企
硅谷的科技巨头们或许曾以为，自己已经远离了AI数据中心带来的电力压力——毕竟，高昂的地价和电费早就把大型数据中心项目“赶”到了别处。但现实总是出人意料，这场能源危机的涟漪，正悄然涌向他们心爱的度假后院。 没错，说的就是太浩湖。这个湾区精英们钟爱的避世天堂，如今正站在一场电力风暴的边缘。距离它必须找到
这项由高通AI研究院（Qualcomm AI Research）主导的创新研究于2026年5月正式发布，论文预印本编号为arXiv:2605 07721。 研究背景：当AI越想越费内存，我们该怎么办 设想一下，手机导航应用会在出发前规划好整条路线，而一位真正智慧的向导则会边走边思考，遇到路障时灵活应