成本最高降90%！百度发布端到端语音语言大模型

0次浏览发布时间：2025-04-01 11:36:00

3月31日，在百度AI DAY上，百度发布业界首个基于全新互相关注意力(Cross-Attention)的端到端语音语言大模型，能实现超低时延与低成本，在电话语音频道的语音问答场景中，调用成本较行业均值下降约50%到90%。当日，百度旗下AI助手文小言宣布率先接入该模型，并带来多模型融合调度、图片问答等功能升级。

接入全新的端到端语音语言大模型后，文小言不仅能支持更拟真的语聊效果，而且支持重庆、广西、河南、广东、山东等特色方言。据介绍，语音大模型具备极低的训练和使用成本，极快的推理响应速度，语音交互时，可将用户等待时长从行业常见的3到5秒降低至1秒左右。

更新后的文小言还支持“多模型融合调度”，通过整合自研的文心X1、文心4.5等顶尖模型，并接入DeepSeek-R1等第三方优质模型，实现了多模型间的智能协同。用户可以选择“自动模式”，一键调用最优的模型组合，也可以根据需求灵活选择单一模型完成特定任务，大幅提升响应速度与任务处理能力。

同时，文小言还加强了图片问答功能，人们拍摄或上传图片，以文字或语音提问就能直接获取深度解析。例如，拍摄一道数学题可实时生成解题思路与视频解析；上传多款商品图可对比参数、价格，辅助购物决策；拍摄杯子设计图后，AI可自动解析风格并生成同款手机壳、支架等周边产品等。

来源：北京日报客户端

记者：孙奇茹