百度端到端語音語言大模型發(fā)布，宣布成本最高降90%，上線文小言

3月31日下午消息，在百度AI DAY上，百度發(fā)布首個(gè)基于全新互相關(guān)注意力（Cross-Attention）的端到端語音語言大模型，宣布實(shí)現(xiàn)超低時(shí)延與超低成本，在電話語音頻道的語音問答場(chǎng)景中，調(diào)用成本較行業(yè)均值下降約50%-90%。

當(dāng)日，文小言宣布品牌煥新，率先接入該模型，還帶來多模型融合調(diào)度、圖片問答等功能升級(jí)。接入該模型后，文小言不僅能支持更擬真的語聊效果，而且支持重慶、廣西、河南、廣東、山東等特色方言。據(jù)介紹，語音大模型具備極低的訓(xùn)練和使用成本，極快的推理響應(yīng)速度，語音交互時(shí)，可將用戶等待時(shí)長(zhǎng)從行業(yè)常見的3-5秒降低至1秒左右。

更新后的文小言還支持“多模型融合調(diào)度”，整合了百度自研的文心X1、文心4.5等頂尖模型，并接入DeepSeek-R1等第三方優(yōu)質(zhì)模型，實(shí)現(xiàn)了多模型間的智能協(xié)同。用戶可以選擇“自動(dòng)模式”，一鍵調(diào)用最優(yōu)模型組合，也可根據(jù)需求靈活選擇單一模型完成特定任務(wù)，大幅提升響應(yīng)速度與任務(wù)處理能力。

同時(shí)，文小言還加強(qiáng)了圖片問答功能，用戶拍攝或上傳圖片，以文字或語音提問即可直接獲取深度解析。例如，拍攝一道數(shù)學(xué)題可實(shí)時(shí)生成解題思路與視頻解析；上傳多款商品圖可對(duì)比參數(shù)、價(jià)格，輔助購(gòu)物決策。