Le 20 janvier 2025, l'application Doubao a officiellement lancé son dernier grand modèle linguistique vocal « de bout en bout » et a apporté des mises à jour importantes à sa fonctionnalité d'appels vocaux en temps réel. Cette avancée marque un nouveau bond en avant pour Doubao dans le domaine de l'interaction vocale, dépassant les solutions en cascade précédentes d'ASR (reconnaissance automatique de la parole), de LLM (grand modèle linguistique) et de TTS (synthèse vocale), en intégrant la reconnaissance, la compréhension et la génération vocales dans un seul modèle. Testée par 《L'émergence de l'intelligence》, la nouvelle version de Doubao se distingue surtout par sa capacité à imiter la parole humaine.

Aujourd'hui, iFLYTEK a officiellement lancé son dernier grand modèle linguistique vocal de transcription simultanée StarFire, marquant ainsi l'arrivée du premier grand modèle chinois capable de transcription simultanée de bout en bout. Cette technologie innovante, comparée aux précédentes technologies de traduction d'iFLYTEK, a permis une amélioration significative des résultats de traduction en contexte et a considérablement réduit le temps de réponse de bout en bout.

La société Xihu Xinchen Technology a officiellement lancé le premier grand modèle linguistique vocal universel de bout en bout en Chine, Xinchen Lingo, lors de la conférence Wai Tan. Depuis son lancement le 1er août, après une période d'inscription en test interne, Xinchen Lingo a démontré ses capacités avancées de traitement vocal au public le 5 septembre. Xinchen Lingo peut comprendre directement la parole, capturer le ton, le rythme et les émotions, et répondre vocalement.

L'application Soul a réalisé une percée majeure dans le domaine de l'IA+social. Grâce à la mise à niveau de son modèle linguistique vocal full-duplex de bout en bout, elle permet des conversations vocales naturelles et fluides avec des avatars virtuels, atteignant un réalisme presque indistinguable d'une conversation avec un humain. Ce modèle se caractérise par une latence d'interaction ultra-faible, une interruption automatique rapide, une expression vocale ultra-réaliste et une capacité de compréhension des émotions, rendant pratiquement impossible pour les utilisateurs de distinguer si leur interlocuteur est un humain ou une IA. Cette innovation améliore considérablement l'expérience sociale des utilisateurs sur Soul et démontre les prouesses de Soul en matière de technologie IA.

Xinchen Lingo est le premier modèle linguistique vocal de bout en bout en Chine. Les inscriptions au test bêta sont ouvertes. Ce modèle est considéré comme ayant des capacités proches de GPT-4, marquant une avancée majeure pour la Chine dans le domaine de l'IA vocale. Les principaux avantages de Xinchen Lingo incluent la compréhension vocale native, l'expression de styles vocaux diversifiés et une compression efficace des modalités vocales. Il est capable d'identifier les informations textuelles dans la parole et de capturer d'autres caractéristiques importantes, offrant une expérience interactive naturelle et vivante, et adaptant le style vocal en fonction du contexte et des instructions de l'utilisateur. En utilisant un codec vocal à haut taux de compression, Xinchen Lingo...

Le modèle linguistique vocal StarFire de iFlytek a bénéficié d’une mise à niveau majeure avec le lancement d’une nouvelle expérience interactive baptisée « interaction ultrarapide et hyper-personnalisée StarFire ». Cette mise à niveau apporte des optimisations et des améliorations sur plusieurs aspects afin d’offrir aux utilisateurs une expérience de conversation plus naturelle, fluide et riche en émotions.