該功能基於最新豆包實時語音大模型（Doubao Realtime Voice Model）。更新后，豆包中文場景的對話能力在語音真實感和「喜怒哀樂」的情緒表現上近乎達到「人機難辨」的AI交互效果，可以模仿不同聲線，並且在「邏輯思考」和「情緒感知」上有明顯提升。
記者測試發現，產品表現上，豆包App全新實時語音通話做到了「人機難辨」的真人級交互程度，其語音表現和智力的擬人性方面有了質的提升。相比大多數語音系統還在語氣層面進行粗線條變化，豆包全新實時語音通話功能可以根據場景自動對節奏、兒化音、音量、氣音等細節精準把控，甚至能跟你「說」悄悄話。
此外，豆包在喜怒哀樂情緒表現方面也頗為亮眼，還掌握了部分方言與英語對話、多角色模仿，甚至部分歌曲演唱能力。在日常使用中，它既可以是英語陪練老師、講故事高手，也可以是一位即興唱作者。
過去，傳統語音對話任務系統採用ASR+LLM+TTS的級聯模式，無法滿足真人級語音對話對理解的完整度、生成的自然度、交互的低延時等各維度的要求。而豆包全新語音能力基於創新的端到端框架，使用原生方法深度融合語音與文本模態進行統一建模。最終可實現從多模態輸入直接到多模態輸出的效果，賦予AI語音對話「靈魂」。
豆包相關負責人介紹，交付體驗上，豆包語音對話在確保模型具備強大理解和邏輯能力，能聯網回答時效性問題的同時，還具備超低延時和流暢打斷能力。
豆包全新實時語音通話功能與同類產品拉開明顯差距，中文對話斷崖式領先，同時，情商智商雙雙在線。據外部真實反饋，用戶對豆包此次上線的全新語音通話功能整體滿意度為4.36/5，對GPT-4o語音對話滿意度則為3.18/5，尤其語音語氣自然度和情緒飽滿度方面，豆包有明顯優勢。
目前，豆包App全新實時語音通話功能已經全量上線，用戶下載並升級豆包APP至7.2.0新春版即可體驗。
雷峰網
