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。
登录后才可以发布评论哦
打开小程序可以发布评论哦