2025年1月20日，豆包 App 正式发布了其最新的 “端到端” 语音大模型，并对实时语音通话功能进行了重要更新。这一进展标志着豆包在语音交互领域的又一次飞跃，超越了之前的 ASR（自动语音识别）、LLM(大语言模型)和 TTS(文生音频)的级联方案，将语音识别、理解和生成整合在同一个模型中。经过《智能涌现》的测试，新版豆包的最大亮点在于其具备了人类般的表达能力和情感输出，提升了对话的流畅度与智能水平。尤其是 “灵魂歌手” 和 “百变大咖” 模式，让豆包不仅能够进行唱歌，

近日，豆包公司宣布推出其全新的实时语音大模型，号称在中文对话方面实现了 “断崖式领先”，标志着 AI 对话能力的显著提升。这一模型在豆包 App（版本号7.2.0新春版）中全量开放，为用户带来了更为丰富和真实的语音交流体验。据介绍，豆包的实时语音大模型实现了语音理解与生成的深度融合，形成了端到端的语音对话系统。这一技术的突破让模型在语音表现力、控制力以及情绪承接方面的表现非常出色，具备低时延和随时打断对话的功能，极大提升了用户的互动体验。官方表示，

今日，科大讯飞正式发布了其最新研发的星火同传语音大模型，标志着国内首个具备端到端语音同传能力的大模型正式面世。这一创新技术相较于讯飞此前的翻译技术，实现了全场景翻译效果的显著提升，并大幅缩短了端到端的响应时间。

在国务院国资委新闻中心发起的"十大国之重器"年度评选中，中国电信自主研发的星辰大模型凭借其突破性技术成果成功入围。作为国内首个全尺寸、全模态、全国产化的基础大模型体系，星辰大模型在语义、语音、视觉和多模态等领域展现出卓越实力。在语义领域，星辰大模型实现了重要突破。依托全国产万卡集群和训练框架，该模型在计算效率上达到英伟达同等算力的93%以上，训练时长占比更是高达98%。值得一提的是，该模型在国际权威评测榜单C-Eval中名列榜首，并在OpenCompass榜单上超

​阶跃星辰近日宣布推出Step系列模型矩阵的新成员——Step-1o端到端语音大模型，据称这是国内首个千亿参数端到端语音大模型。这一新模型的发布标志着语音技术领域的一大进步，它通过端到端的语音方案，能够实现语音理解和生成的一体化，从而提升模型智商和情商的上限，并实现超自然、高质量的交流体验。

西湖心辰宣布开源其研发的Westlake-Omni模型。作为全球首个开源的中文情感端到端语音交互大模型，Westlake-Omni采用了离散表示法来统一文本和语音模态，特别注重实时性，能够快速响应并提供几乎零延迟的体验。

在2024年云栖大会的开幕式上，巨人网络首次亮相并展出了其在“游戏+AI”领域的最新成果。该公司推出了两款自研的大模型应用——GiantGPT和BaiLing-TTS，同时展示了AI数字人和AI绘画平台巨人摹境等新技术。

​西湖心辰科技有限公司近日在外滩大会上正式发布了国内首个端到端通用语音大模型——心辰Lingo。该模型自8月1日问世以来，经过内测预约，于9月5日向公众展示了其先进的语音处理能力。心辰Lingo能够直接理解语音，捕捉语气、节奏和情绪，并进行语音回复

Soul App在AI+社交领域取得重大突破，通过升级其自研端到端全双工语音通话大模型，实现了与虚拟人之间自然流畅的语音通话体验，几乎达到了与真人对话的逼真度。该模型具有超低交互延迟、快速自动打断、超真实声音表达和情绪感知理解能力，使得用户在使用时几乎无法区分对话对象是真人还是AI。这一创新不仅显著提升了用户在Soul上的社交体验，还展示了Soul在AI技术应用上的实力。自2020年起，Soul就致力于AIGC技术研发，通过集成多种AI能力，如语音生成、识别和对话模型，以及音乐生成模型，为用户提供丰富多样的交互体验，包括情感陪伴、实时语音互动等。未来，Soul计划进一步发展多模态端到端大模型能力，以提供更加沉浸和有趣的AI互动体验。

心辰Lingo是国内首个端到端语音大模型，内测预约已开启。此模型被认为在能力上接近GPT-4，标志着中国在语音AI领域取得重大突破。心辰Lingo的核心优势包括原生语音理解、多样化语音风格表达和高效语音模态压缩。它能够识别语音中的文字信息和捕捉其他重要特征，提供自然、生动的交互体验，并根据上下文和用户指令灵活调整语音风格。采用高压缩率的语音编解码器，心辰Lingo在保证高质量语音内容的同时，降低了计算和存储成本。作为端到端模型，它整合了从语音输入到语音反馈的完整交互流程，为用户提供全面、流畅的语音交互体验。心辰Lingo的推出有望在智能助手、语音交互、教育培训等多个领域带来新的可能性，市场对其实际表现充满期待。

​科大讯飞星火语音大模型迎来了全新的升级，推出了名为“星火极速超拟人交互”的新一代交互体验。这一升级在多个方面进行了优化和增强，旨在为用户提供更加自然、流畅和富有情感的对话体验。