3月6日，聲網在京舉辦了主題為“AI開口，互動無界”的產品發(fā)布會，正式發(fā)布了全球首個對話式AI引擎，憑借650ms 超低延時響應、優(yōu)雅打斷、全模型適配等五大能力，對話式AI引擎可支持任意文本大模型快速升級為“能說會道”的對話式多模態(tài)大模型。同時，對話式 AI 引擎的價格也更為優(yōu)惠，1分鐘不到1毛錢，只需0.098元/分鐘。
五大能力讓任意大模型“能說會道”
在生成式AI的浪潮下，行業(yè)普遍認為多模態(tài)大模型是實現AGI的必經之路，知名投資機構a16z最新關于Voice AI的報告也顯示，隨著大模型的不斷進步，語音將成為一種關鍵的切入點。聲網作為全球實時互動云行業(yè)的開創(chuàng)者，在音視頻領域積累了深厚的技術優(yōu)勢與場景實踐，一直致力于將RTE與生成式AI結合，并推出了對話式AI引擎，為開發(fā)者帶來“多快好省”的AI語音對話體驗。
模型選擇多：真正把選擇權交給開發(fā)者！支持包含 DeepSeek、ChatGPT等在內的全球幾乎所有大模型廠商。同時也支持全球主流語音合成供應商任意切換，支持開發(fā)者通過語音合成供應商定制的自定義音色接入。更有音視頻SDK支持30000+終端機型適配，解決多設備兼容性的后顧之憂。
響應快、打斷快：通過全鏈路深度優(yōu)化，并在中、美、歐、東南亞主要城市實測，語音對話延遲中位數低至650ms，讓AI秒回你的提問。超低打斷延時，自研“智能打斷”技術，模擬真人對話節(jié)奏，隨時打斷與AI的對話，響應低至340ms。
對話體驗好：“選擇性注意力鎖定”功能可屏蔽95%環(huán)境人聲、噪聲干擾，精準識別對話人聲。此外，對話式AI引擎具備優(yōu)秀的抗弱網、抗丟包能力，80%丟包率下仍能穩(wěn)定流暢對話，斷網3-5s依舊流暢對話。
開發(fā)省心、更省錢：聲網對話式AI引擎提供了極簡的開發(fā)部署，只需2行代碼，15分鐘就能讓AI開口說話，大幅降低了開發(fā)門檻。只需填入與復制LLM與TTS相關的URL與Key，就能實現快速部署，具體流程可查看聲網官網的文檔中心。
對話式AI引擎的成本也更優(yōu)，AI語音對話只需0.098元/分鐘，單次還贈送1000分鐘。自研的“智能打斷”功能作為增值服務也只需0.042元/分鐘，以更低的成本助力開發(fā)者探索AI應用場景。
聲網AI RTE產品線負責人姚光華表示，"經過一段時間與客戶的打磨及實際使用場景調研，我們統計出，用戶與AI 每產生1次對話中，平均會有約3輪問答，計算下來平均對話時長約為21.1s，單次成本僅需3分錢。如果每月對話次數15次，那么月成本不到5毛錢，年成本也只需5元。"
對話式AI推動智能助手、智能硬件等場景走向火熱
通過聲網對話式AI引擎，開發(fā)者可以快速部署智能助手、虛擬陪伴、口語陪練、智能客服、智能硬件等對話式AI場景。例如智能助手場景可以通過自然語言交互，幫助人們進行日程管理、信息查詢和任務執(zhí)行，全面提升生活便利性，并提高工作效率。
智能硬件場景也是當下非常火熱的AI場景，通過嵌入對話式AI引擎，可實現語音控制、智能看護、智能陪伴和個性化服務，將智能設備升級為智能硬件體。適用于 AI 玩具、AI 教育硬件、AI 陪伴設備、家居語音助手、穿戴設備個人助手等多種應用場景。
