大皖新闻讯 日前，科大讯飞星火极速超拟人交互技术正式上线讯飞星火APP，率先面向全民开放体验。据了解，这是国内首个对标GPT-4o语音的大模型产品，用户可在讯飞星火APP中直接体验使用。根据官方介绍，星火极速超拟人交互在响应和打断速度、情绪感知情感共鸣、语音可控表达、人设扮演四个方面实现重大突破，让整体交互体验更自然、更具情感。
超拟人交互响应速度极快
记者体验星火极速超拟人交互，最直观的感受就是响应速度极快，支持随时打断，可以识别不同的情绪，并代入符合情境的对话和回复，没有“机械感”与“磕巴感”。“极速响应是确保一切体验的基础，也是区别于其它语音产品的关键能力。”科大讯飞研究院常务副院长高建清说。
据介绍，“端到端”技术框架是实现极速响应的重点。目前在全世界范围内，框架模型算法持续演进，国外以GPT-4o、特斯拉FSD等为代表的多模态端到端方案，已被证实可进一步提升技术效果和用户体验。而讯飞星火极速超拟人交互将此前级联方案升级为统一神经网络，实现语音到语音的“端到端”建模，大幅缩短响应时间。
高建清表示：“以往语音交互系统都是不同的模块，比如语音识别、语音合成和大语言模型。而讯飞星火极速超拟人交互技术基于端到端大模型框架，并结合讯飞多维度语音属性解耦表征训练模块，实现情感、方言、韵律、音色等的可控，实现了对语音交互的拟人化升级。”
AI也有“情感共鸣”
共情力对于大模型是一项重要的基础能力，在未来的人形机器人身上，将出现很多共情力的具象表达。比如，人一进门，机器人向你笑脸相迎，就像科幻电影《机器管家》里面的人形机器人安德鲁，让人机之间也有情感纽带。
而现阶段的星火极速超拟人交互，更有另一部电影《Her》的既视感，TA可以用笑声回应开心，用急促回应愤怒，还原真人对话的语境。
据了解，星火极速超拟人语音的情绪感知能力，能够感知到数十种音频事件与情绪，比如喜怒哀乐、害怕、困惑等，AI会以“感同身受”的方式进行语言组织和情绪表达。而情感共鸣会结合声音和内容等不同维度，在合适的情境采用合适的情感进行回应，比如用户开心的时候用笑声呼应心情，用户悲伤的时候用安慰语气进行安抚，让AI变得“有血有肉有温度”。
将应用于机器人智能汽车等
根据中金企信国际咨询测算的数据，我国对话式人机交互核心产品的市场规模将在2025年达到237亿元，直接带动相关产业规模达到1525亿。同时语音语言技术与大模型结合将赋能更加广阔的应用场景，下游领域包括家电、汽车、消费电子、金融、物流、房产、政务、医疗等，预计智能语音语言技术在垂直行业应用的核心产品规模将在2025年达到159.1亿元，带动相关产业规模达到875.1亿元。
针对星火极速超拟人交互的未来发展，高建清表示，星火极速超拟人交互的未来计划是：“融入更多模态，具备图片视频模态输入与超拟人虚拟人输入；融入更多语言，增加更多语言、方言的语音交互能力和翻译能力；以及持续拓展情感、人设种类，继而实现诸如口技、唱歌等更多能力与更好体验。”
高建清介绍，星火极速超拟人语音交互在商用领域大致分为三个层级。第一层是闲聊陪伴场景，将在儿童玩具、情感陪伴等品类上增强情感表达能力。第二层是机器人场景，结合多模态能力会加强产品竞争。第三层是智能汽车、智能家电等场景，让车机聊天更具情感，有助于提升车企智能化水平。
大皖新闻记者 项磊
编辑 彭玲
