和喜欢的虚拟人实时通话是一种什么样的体验？

近日，社交平台 Soul App（以下简称 "Soul"）语音生成大模型上线，同时自研语音大模型 " 伶伦 " 正式升级，现阶段，Soul 语音大模型 " 伶伦 " 包括了语音生成大模型、语音识别大模型、语音对话大模型、音乐生成大模型等，可支持真实音色生成、语音 DIY、多语言切换、多情感拟真人实时对话等能力。目前，" 伶伦 " 已应用于 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。

Soul 上线于 2016 年，依托技术和产品模式创新，平台持续推出受用户欢迎的社交玩法和多元社交场景，例如，多对多语音实时互动场景 " 群聊派对 "、一对一互动场景 " 语音匹配 " 等，帮助用户基于兴趣相遇同好，提升关系发现的质量和效率，沉淀深度社交网络。

一直以来，声音都是传递信息和情感的重要媒介，也最能在沟通中赋予 " 情绪温度 " 和 " 陪伴感 "。在 Soul，用户积极通过语音实时互动，表达自我、分享交流，收获新关系，" 语音社交 " 也成为平台颇具代表性的标签之一。

与此同时，作为率先将 AI 引入社交关系的平台，Soul 不断思考如何将 AI 应用于社交具体场景，进一步实现交互效率、交互质量、交互体验、交互对象等多方面的提升和拓展。2020 年，Soul 系统启动 AIGC 的技术研发工作，并在智能对话、图像生成、语音技术、虚拟人等方面拥有前沿的技术积累。

其中，在语音探索方面，Soul 基于平台沉淀丰富且多风格的高质量公域语音数据，推出自研语音大模型 " 伶伦 "，在深度融入站内 "AI 苟蛋 " 等场景提供多模态互动体验外，还推出了系列趣味社交玩法和活动。

如 Soul 于 2023 年上线了 "Soul 次元歌手 " 活动，帮助每个人打造自己的 AI 歌手分身，让很多热爱音乐但不一定会唱歌的人，也能实现 " 唱歌自由 "；" 懒人 KTV" 活动则在音色克隆的基础上，创新性实现多人 UGC"AI 合唱 "。基于音乐模型个性化的创作能力，平台的 "AI 帮你出灵魂专辑 " 活动，使用户自由输入任意作曲的主题关键词，即可一键完成词曲创作。

此次，新升级的 " 伶伦 " 在训练数据规模和模型架构上均实现了拓展和创新，实现了更真实自然、更多样性和更细颗粒度的控制效果以及流式超低延迟的生成。特别是上线的语音生成大模型在多风格多情感可控、超自然人声生成、多语言切换等方面表现出色。

具体来说，在多情感可控上，" 伶伦 " 能够实现对情绪的深度理解和模拟，在语音生成和对话中表现出不同情感；在声音颗粒度上，支持包括吸气、喘气、笑声、结巴 / 重复、咳嗽 、叹气、哭声等一系列副语言语音合成，声音效果更真实生动。

值得一提的是，基于新升级的 " 伶伦 "，Soul 站内应用场景中多模态互动体验显著提升，例如狼人游戏 " 狼人魅影 " 中 AI 可实现实时发言，流畅完成刀人、悍跳等玩法交互。

此外，独立新产品 " 异世界回响 "，提供多种场景、风格的虚拟人角色，每个虚拟角色具备形象、声音、人设对话能力，用户可与虚拟角色进行沉浸式即时交流。新上线的 " 语音通话 " 功能，在 " 伶伦 " 支持下，能够让用户体验与虚拟人实时语音通话效果，延迟时间少于行业平均水平，更快响应用户互动需求，提供即时的 AI 交流和陪伴。

根据 Soul 发布的《2024 Z 世代 AIGC 态度报告》，三分之一的年轻人表示愿意和 AI 成为朋友，人机互动已然成为年轻人中的社交新趋势。大模型应用深入人机互动场景，发力语音、视觉等多维度，无疑将进一步提升用户社交体验。

当下，大模型竞赛的焦点正从模型参数延伸至具体应用场景。Soul App CTO 陶明在接受媒体采访时表示，" 新一轮 AI 发展中，关注场景和交互体验将会是必然的趋势。"

基于对社交场景的深刻理解，Soul 将围绕用户的实际使用场景和核心社交需求，不断提升技术能力，从 AI 推荐关系到 AI 辅助对话，从降低表达门槛到提升互动体验，推进 AIGC 技术与社交场景的深度融合，实现 AI 原生社交场景创新。