1. 首页 > 快讯

AI自主决定说话时机,Soul App端到端全双工语音通话大模型全面升级

  当AI深刻介入人类生活、重构链接方式,社交场景究竟需要怎样的底层能力创新带来交互体验的提升?

  近日,社交平台Soul App自研端到端全双工语音通话大模型**升级。此次升级重新定义“全双工”交互范式,新模型摒弃了传统语音交互中依赖的 VAD(话音活性检测机制与延迟控制逻辑,打破行业中普遍存在的“轮次对话”模式,赋予 AI 自主决策对话节奏的能力。AI可实现主动打破沉默、适时打断用户、边听边说、时间语义感知、并行发言讨论等。同时,模型具备**度感知(包括时间感知、环境感知、事件感知等,口语化表达(如语气词、结巴、明显情绪起伏、音色复刻等能力,让AI更具“真人感”,支持打造更沉浸、类现实交互的语音互动新体验。


  Soul新升级的端到端全双工通话大模型即将开启站内内测,后续将陆续落地于虚拟人实时通话、AI匹配等1V1互动场景。同时,Soul AI团队正探索将该能力应用于多人互动场景,让AI能在多人对话中,精准把握说话时机,适时加入交流、延展话题,推动多元关系网络的构建。

  Soul App CTO陶明表示,社交是情绪价值和信息价值交换的双向关系,Soul始终致力于以创新的技术和产品方案为用户提供更智能、更沉浸、更优质的交互体验,让天下没有孤独的人。

  全双工语音实时通话,重新定义AI社交陪伴场景的语音交互

  此次Soul技术升级**聚焦在全双工实时语音通话能力在陪伴场景的交互突破。自新一轮人工智能浪潮兴起,AI对话、AI陪伴类产品率先迎来爆发,也成为了大众接触AI的**应用品类。但此前受限于技术发展,人机对话普遍存在“一问一答”的机械式互动现象,即“用户提问——AI输出”依次进行,过程中,延迟、打断等均将影响交互的沉浸感。

  2024年,Soul推出自研端到端全双工语音通话大模型,具备**交互延迟、快速自动打断、超真实声音表达和情绪感知理解能力等特点,能够直接理解丰富的声音世界,支持超拟人化的多风格语言。为进一步实现更接近生活日常的交互对话和“类真人”的情感陪伴体验,近日,Soul再次升级模型,具体来看,升级后AI能力特点包括:

  一、全双工语音交互,AI具备自主决策反应能力

  新模型支持响应(Response、倾听(Listen与打断(Interrupt流式预测,AI自主决定发言时机,实现**端到端的全双工交互——AI 与用户可以同时说话(如辩论、吵架、合唱、适宜打断用户/被用户打断、AI主动打破沉默发起话题。

  当AI拥有自主决策反应能力,在边听边说中,掌握互动时机、互动内容的“主动性”,将极大提升人机对话的自然度,并且在较长时间、多轮对话的交互中,实现沉浸的类真实交互体验。

  二、日常表达口语化和情感化,情绪更鲜明的人机交互

  让AI更具“真人感”,这包括在情绪表达、发音特点、对话内容等**度的综合指标提升,更加接近现实日常表达。例如,情绪表达方面,除了具备笑、哭、生气等情绪特色外,新模型的声音情绪起伏更加明显,并能结合对话推进实现同步变化。在发音特点上,具备语气词、结巴、常用口头禅、**等日常语音元素。此外,AI对话的内容更加口语化、社交化,而非书面语言。

  三、时间、事件、环境感知能力,互动更具沉浸感

  Soul的新模型基于纯自回归模型架构,统一文本和音频生成(Unified Model,充分利用大语言模型强大的学习能力,让AI发言深度整合人设、时间、环境及上下文对话等信息。这意味着,具备感知、理解能力的AI能够更好塑造“数字人格”,形成丰富的AI故事线,让人机交互真正成为“情感与信息的双向交流”。

  值得一提的是,目前,Soul AI团队正探索全双工语音通话模型在多人场景的扩展,例如在多人语音对话中,AI凭借自主决策能力,判断说话时机,有效组织话题讨论与延伸,融入真实关系生态。

  让AI融入社交关系网络,提供情绪价值和信息价值

  2025年,伴随着AI在大众层面的渗透率进一步提升以及技术能力的持续跃进,“AI应用爆发”成为行业共识。在众多垂类应用场景,“社交”因具备极高流量价值、网络效应和交互入口等特点,被视为诞生AI时代“Killer App”重要领域之一。

  作为较早思考将AI应用于社交的互联网平台,Soul App自2016年上线后便积极拥抱AI,重塑关系的发现、建立、沉淀环节,帮助用户在无压力的社交环境中,自在表达,基于兴趣构建多元社交关系网络。

  2020年,Soul启动系统的AIGC技术研发工作,并在智能对话、语音、3D虚拟人等方面拥有前沿积累。自2023年推出自研语言大模型Soul X后,Soul还陆续上线了语音生成大模型、语音通话大模型、音乐生成大模型等大模型能力。2024年,Soul AI大模型能力已整体升级为多模态端到端大模型,支持文字对话、语音通话、多语种、多模态理解、真实拟人等特性。

  在扎实的AI底层能力长期积累基础上,Soul团队基于深耕社交领域的深刻洞察,快速推动技术在应用层的落地,并围绕用户实际体验反馈总结优化方向。在发展过程中,Soul快速明确自身AI布局路线,即“AI帮助用户交朋友”(AI辅助社交和“AI与用户交朋友”(人机互动,在不同方向,已分别推出了AI虚拟人情感化陪伴体系“AI伴侣”、AI聊天辅助体系等功能,并受到了用户的热烈欢迎与积极反馈。

  其中,人机互动的迭代方向便是让AI实现类真人能力,在交互中为用户带来情绪价值和信息价值。

  根据Soul旗下Just So Soul研究院在今年3月发布的《2025 Z世代AI使用报告》(样本数3680份,近四成年轻人每天使用AI产品获得情感陪伴,此外,71.1%的年轻人表示愿意和AI做朋友,建立情感链接,对比该研究院在去年发布《2024 Z世代AIGC态度报告》(样本数3457份,当时选择愿意和AI做朋友的年轻人比例为32.8%。

  从数据的增长中可以看到,AI的技术发展与应用普及正在重新塑造年轻一代对社交关系的认知,在这个变化过程中,也对AI能力提出了新要求。根据Soul面向“AI伴侣”活跃使用用户的专项调研显示,关于人机互动体验提升需求方向,约六成受访者表示“希望AI表现更接近真人”。

  此次,全双工语音通话大模型的升级,极大提升了AI的互动能力,让人机交互具备在场感和情感温度,将推动AI社交进入全新阶段。

  作为以真实的人与人社交为底色的平台,通过持续对新技术的探索和坚定投入,Soul致力于构建AI Being和Human Being共存的社交社区,让AI作为社交关系网络的重要组成,丰富用户的情感支撑体系,增强多元情感体验,**提升个体的幸福感和归属感。

王擎宇