元宇宙終究沒火過兩年
來源：傳播體操在ChatGPT快速破圈的同時，元宇宙的熱度卻一瀉千里。雖然互聯網大廠們都沒有否認元宇宙的長期想象力，但在行動上卻都紛紛表示了對元宇宙短期前景的悲觀。號稱改變
在人工智能技術日新月異的今天，百度再次引領了語音交互領域的創新風潮。近日，百度正式推出了業界首個基于全新互相關注意力（Cross-Attention）機制的端到端語音語言大模型，并率先在其產品文小言中上線，供用戶免費體驗。
此次升級后的文小言，以“超逼真語音交互、超低時延響應、超低成本應用”三大亮點吸引了廣泛關注。其不僅能準確識別并回應重慶、廣西、河南、廣東、山東等地的特色方言，還能在對話中融入豐富的情感，使交互體驗更加自然流暢。在時延方面，文小言將用戶等待時間從行業普遍的3-5秒縮短至約1秒，幾乎與真人對話無異。而在成本上，該模型在電話語音頻道的問答場景中，調用成本較行業平均水平降低了50%-90%。
據百度語音首席架構師介紹，該語音語言大模型能夠部署在L20卡上，在滿足語音交互延遲要求的前提下，雙L20卡的并發處理能力可達數百以上。模型的訓練流程也極為便捷，基于文心大模型，僅需數百張卡優化一周即可完成，且優化工作并不復雜。
文小言不僅集成了包括天氣查詢、日歷查詢、單位換算、股票股價查詢等在內的38個垂類助手，實現了高效的信息獲取，還能應對時效性和非時效性問題。無論是百科查詢、時政知識類問答，還是常識問答，文小言都能迅速給出精準答復。更重要的是，文小言能夠與用戶進行情感充沛的交流，快速響應反饋，實現了逼真擬人的交互效果。
在實際應用中，文小言展現了其強大的方言識別能力和多輪交互能力。例如，在面對小朋友多次打斷的情況下，文小言能夠準確識別其需求，并適時給出有情感的回復，營造出自然對話的氛圍。當用戶提到心情不好時，文小言的語音中透露出擔心，并引導用戶說出原因進行開導，展現了其作為情感陪伴者的潛力。
百度此次推出的端到端語音語言大模型，在技術創新方面取得了顯著突破。作為業界首個基于Cross-Attention跨模態的語音語言大模型，該模型將Encoder與語音識別結合，使KV計算效率提升至十分之一。同時，Encoder與語音合成結合，實現了輸出內容的情感控制。百度還研發了高效的全查詢注意力EALLQA技術，進一步降低了KV cache的使用量。
在模型訓練過程中，百度采用了自蒸餾方式進行post-train訓練，以成熟的文心語言預訓練模型為基礎，成功訓練出了Cross-Attention端到端語音語言大模型。這一創新性的跨模態建模技術，實現了語音識別與大語言模型的深度融合，為語音交互領域帶來了革命性的變化。
在成本方面，該模型實現了低成本訓練和低成本高速推理。通過流式逐字的LLM驅動的多情感語音合成技術，模型能夠快速響應并給出有情感的回復。這一技術的應用，使得語音交互場景的應用潛力大幅提升，為大規模工業化應用提供了可能。
百度在語音識別領域的深厚積累，為此次創新提供了堅實的基礎。從Deep Peak 2模型到流式多級的截斷注意力模型SMLTA，再到基于歷史信息抽象的流式截斷conformer建模技術SMLTA2，百度不斷突破技術瓶頸，推動了語音識別技術的快速發展。此次端到端語音語言大模型的推出，更是將百度在語音交互領域的技術優勢發揮到了極致。
為了推動語音語言模型的規模化應用，百度已將其上線至文小言并免費開放。未來，該模型還將接入呼叫中心、音箱等業務線上，為更多用戶提供高效便捷的語音交互體驗。百度表示，將持續開放其技術創新成果，推動大語言模型在語音領域的應用，促進整個行業和生態的發展。
本文鏈接：http://www.tebozhan.com/showinfo-45-11851-0.html百度語音大模型革新上線：對話超逼真，成本大降，1秒快答
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號