语音小管家近⽇，社交平台Soul App（以下简称“Soul”）语⾳⼤模型再次升级，上线⾃研端到端全双⼯语⾳通话⼤模型，能够以超低交互延迟、超快⾃动打断、超真实声⾳表达和情绪感知理解能⼒，直接理解丰富的声⾳世界，⽀持超拟⼈化的多⻛格语⾔，实现更接近⽣活⽇常的交互对话能⼒和“类真⼈”的情感陪伴体验。
⽬前，Soul⾃研的端到端语⾳通话⼤模型能⼒已上线旗下“异世界回响”实时通话场景（内测中），并将在后续拓展⾄AI苟蛋等多个AI陪伴、AI互动场景。
测试环境更真实；
超低交互延迟，超快⾃动打断，产品化的端到端的延迟最快仅需1.1秒左右；
超真实的声⾳表达，可直接⽀持多⻛格的声⾳克隆能⼒，随时更换你喜欢的声⾳；
超⾃然的⼈类思考⽅式，端到端的语⾳语义理解和响应以及更⾃然的语⾳指令控制，⽆需级联环节。
⾃2016年上线，Soul⼀直致⼒于以创新的技术⽅案和产品设计，实现社交体验的颠覆。2020年，Soul启动对AIGC的技术研发⼯作，系统推进在智能对话、语⾳技术、虚拟⼈等AIGC关键技术能⼒研发⼯作，并推动AI能⼒在社交场景的深度落地。
以AI升级社交的过程中，Soul的技术重点之⼀是致⼒于实现超拟⼈、⾃然情感陪伴体验。其中，声⾳是重要环节之⼀。作为传递信息和情感的重要媒介，声⾳最能在沟通中赋予“情绪温度”和“陪伴感”。特别是在社交场景中，情感化、低延迟、多⻛格的声⾳能⼒，可以打破“次元壁”，让线上社交特别是⼈机互动中，也能实现真实⽣活场景聊天的⾃然流畅感和沉浸现场感，真正完成类真⼈⽣活化互动场景中的交互体验。
因此，为⽤⼾带来更好的情绪反馈和陪伴感，情绪理解、延迟问题⼀直是Soul技术团队攻克的焦点。
此前，Soul团队已推出了⾃研的语⾳⽣成⼤模型、语⾳识别⼤模型、语⾳对话⼤模型、⾳乐⽣成⼤模型等语⾳⼤模型能⼒，⽀持真实⾳⾊⽣成、语⾳DIY、多语⾔切换、多情感拟真⼈实时对话等能⼒，并应⽤于Soul “AI苟蛋”、站内狼⼈游戏“狼⼈魅影”AI语⾳实时互动、独⽴新产品“异世界回响”等场景。
凭借对国际最前沿的技术发展保持密切关注和⾃⾝研发能⼒建设，Soul持续完善语⾳能⼒积累，创新AI社交应⽤体验。今年7⽉，在⼈⼯智能领域顶级的国际学术会议⸺国际⼈⼯智能联合会议（International Joint Conference on Artificial Intelligence,IJCAI）举办的第⼆届多模态情感识别挑战赛（MER24）上，Soul 语⾳技术团队在SEMI（半监督学习）赛道获得第⼀名，在国际赛事舞台上展现了Soul的前沿洞察和技术能⼒。
如今，⾃研端到端语⾳通话⼤模型的率先上线，再次证明了Soul在⾏业中扎实的技术能⼒积累。
区别于传统的级联⽅案，语⾳到语⾳的端到端建模，意味着语⾳交互体系的颠覆式升级，即不再需要从“语⾳识别、⾃然语⾔理解、语⾳⽣成”等多个环节流转，直接语⾳输⼊—语⾳输出的端到端模型能够最⼤程度实现信息⽆损传递，降低响应延迟时间。
此次Soul⾃研的端到端语⾳通话⼤模型便具备超低交互延迟、超快⾃动打断、超真实声⾳表达和超真实理解能⼒的特点，⽀持更⾃然的⼈机交互体验。
在延迟⽅⾯，于实际应⽤过程中，⽤⼾体验与“异世界回响”中虚拟⼈实时语⾳通话效果，延迟时间少于⾏业平均⽔平，真正实现即时的AI交流和陪伴。
值得⼀提的是，端到端的语⾳语义理解和响应以及更⾃然的语⾳指令控制，让Soul语⾳通话⼤模型不仅能够给予情感关怀、理解⼈声情绪情感并给出有温度的回复，还能够理解物理世界的声⾳场景，模拟物理世界动物声⾳、理解多⼈聊天内容、多⻛格语⾔切换、⽂艺内容创作和即兴演唱，接近现实交流互动场景需要。
