在东说念主工智能本事日眉月异的今天免费视频，百度再次引颈了语音交互界限的创新风潮。近日，百度认真推出了业界首个基于全新彼此关防范力（Cross-Attention）机制的端到端语音话语大模子，并滥觞在其居品文小言中上线，供用户免费体验。

这次升级后的文小言，以“超传神语音交互、超低时延反应、超低资本附近”三大亮点勾引了庸俗留心。其不仅能准确识别并回报重庆、广西、河南、广东、山东等地的特质方言，还能在对话中融入丰富的热枕，使交互体验愈加当然流通。在时延方面，文小言将用户恭候期间从行业多数的3-5秒裁汰至约1秒，果真与真东说念主对话无异。而在资本上，该模子在电话语音频说念的问答场景中，调用资本较行业平均水平数落了50%-90%。

据百度语音首席架构师先容，该语音话语大模子大致部署在L20卡上，在心仪语音交互蔓延条款的前提下，双L20卡的并发惩处才能可达数百以上。模子的检修过程也极为轻便，基于文心大模子，仅需数百张卡优化一周即可完成，且优化职责并不复杂。

文小言不仅集成了包括天气查询、日期查询、单元换算、股票股价查询等在内的38个垂类助手，达成了高效的信息获得，还能搪塞时效性和非时效性问题。不管是百科查询、时政知识类问答，仍是知识问答，文小言皆能赶快给出精确回报。更迫切的是免费视频，文小言大致与用户进行热枕充沛的雷同，快速反应反馈，达成了传神拟东说念主的交互效果。

在实质附近中，文小言展现了其精深的方言识别才能和多轮交互才能。举例，在靠近小一又友屡次打断的情况下，文小言大致准确识别其需求，并应时给出有热枕的回复，营造出当然对话的氛围。当用户提到心思不好时，文小言的语音中清爽出驰念，并指导用户说出原因进行开发，展现了其当作热枕随同者的后劲。

百度这次推出的端到端语音话语大模子，在本事创新方面取得了显赫冲破。当作业界首个基于Cross-Attention跨模态的语音话语大模子，该模子将Encoder与语音识别连合，使KV忖度打算效用普及异常度之一。同期，Encoder与语音合成连合，达成了输出内容的热枕扫尾。百度还研发了高效的全查询防范力EALLQA本事，进一步数落了KV cache的使用量。

在模子检修过程中，百度招揽了自蒸馏表情进行post-train检修，以锻真金不怕火的文心话语预检修模子为基础，告捷检修出了Cross-Attention端到端语音话语大模子。这一创新性的跨模态建摹本事，达成了语音识别与妄言语模子的深度交融，为语音交互界限带来了翻新性的变化。

在资本方面，该模子达成了低资本检修和低资本高速推理。通过流式逐字的LLM初始的多热枕语音合成本事，模子大致快速反应并给出有热枕的回复。这一本事的附近，使得语音交互场景的附近后劲大幅普及，为大界限工业化附近提供了可能。

百度在语音识别界限的深厚积存，为这次创新提供了坚实的基础。从Deep Peak 2模子到流式多级的截断防范力模子SMLTA，再到基于历史信息详尽的流式截断conformer建摹本事SMLTA2，百度持续冲破本事瓶颈，鼓舞了语音识别本事的快速发展。这次端到端语音话语大模子的推出，更是将百度在语音交互界限的本事上风进展到了极致。

为了鼓舞语音话语模子的界限化附近免费视频，百度已将其上线至文小言并免费敞开。将来，该模子还将接入招呼中心、音箱等业务线上，为更多用户提供高效轻便的语音交互体验。百度示意，将抓续敞开其本事创新后果，鼓舞妄言语模子在语音界限的附近，促进扫数行业和生态的发展。