幫村里接通AI就靠它！34個(gè)地域超擬人AI智能體上線，背后技術(shù)也被我們扒出來了
最接地氣AI智能體春節(jié)來襲
西風(fēng) 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI
各位過年回鄉(xiāng)的友友們，第一波“AI年貨”就靠你帶，幫助鄉(xiāng)里村里接通AI的重任，就靠你了！
現(xiàn)在，當(dāng)春節(jié)出門拜年被七大姑八大姨問：有沒有男/女朋友??？
不要猶豫，請(qǐng)直接搬救兵，給“它”打電話～
視頻鏈接：https://mp.weixin.qq.com/s/kkCL9KV-OUOg98__lynuqA?token=2036354970&lang=zh_CN
當(dāng)被問“在外面干的怎么樣啊”，就說特別好。不信？搬出朋友來講兩句：
視頻鏈接：https://mp.weixin.qq.com/s/kkCL9KV-OUOg98__lynuqA?token=2036354970&lang=zh_CN
不怕大家聽不懂方言，這電話能隨手開啟實(shí)時(shí)字幕：
另外，當(dāng)你的閨蜜說春節(jié)想“年味兒游”，趕緊亮出“它”來露一手，吃喝玩樂旅游規(guī)劃，可是“它”的老本行。
視頻鏈接：https://mp.weixin.qq.com/s/kkCL9KV-OUOg98__lynuqA?token=2036354970&lang=zh_CN
蚌埠住了！這樣的“它”總共有34個(gè)，分別來自34個(gè)不同的省級(jí)行政區(qū)，并且都說著一口流利的當(dāng)?shù)胤窖?/strong>。
過年把“它”帶回家，這AI小味兒撓一下就上來了，方言加持“老鄉(xiāng)見老鄉(xiāng)”格外親，沒接觸過AI的親戚朋友誰看了不迷糊啊，這下過年聊天有得聊了。
咱就是說，像這種話題是時(shí)候換換了。
所以怎么玩呢？
這個(gè)年，云游34省
這其實(shí)是百度文心智能體平臺(tái)為大家準(zhǔn)備的，34個(gè)省級(jí)行政區(qū)極具地域特色的超擬人AI智能體分身大禮包?，F(xiàn)在百度APP搜索“春節(jié)智能體”或者“AI旅游”就能玩。
眾所周知，今年春節(jié)是申遺成功后的第一個(gè)春節(jié)。據(jù)攜程發(fā)布的《2025春節(jié)旅游市場(chǎng)預(yù)測(cè)報(bào)告》，今年大家春節(jié)出游意愿空前高漲。小紅書等平臺(tái)隨便一搜，就有各種“年味兒游”攻略，還有不少人發(fā)帖求推薦。
而百度發(fā)布的“34省智能體”主打的就是當(dāng)大家的旅游搭子。
無論是走南還是闖北，游東還是游西，都給你配備好了一條龍服務(wù)，只需簡(jiǎn)簡(jiǎn)單單提出你的需求，他就能分分鐘規(guī)劃好一整套旅游攻略，各種注意細(xì)節(jié)都幫你想好了。
甚至還能幫你查到景點(diǎn)門票購(gòu)買方式，能直接點(diǎn)擊跳轉(zhuǎn)到購(gòu)買頁(yè)面的那種。
不過這種圖文對(duì)話并非重頭戲，百度這次把智能體玩出了新高度——
點(diǎn)擊輸入框的電話按鈕，就能直接和數(shù)字人智能體通話！
視頻鏈接：https://mp.weixin.qq.com/s/kkCL9KV-OUOg98__lynuqA?token=2036354970&lang=zh_CN
而且這34個(gè)“導(dǎo)游”無論形象還是口音都極具地域特色，不出門的人用它來“云游”，了解各地的文化風(fēng)土人情也蠻好玩。
視頻鏈接：https://mp.weixin.qq.com/s/kkCL9KV-OUOg98__lynuqA?token=2036354970&lang=zh_CN
語音通話中不僅可以選擇性打開字幕，而且點(diǎn)擊屏幕就可以打斷對(duì)方講話。
當(dāng)然，你也能如開頭所展示的那樣，用它開發(fā)更多花式玩法。
用其它方言和它對(duì)話也行，親測(cè)它能聽懂：
視頻鏈接：https://mp.weixin.qq.com/s/kkCL9KV-OUOg98__lynuqA?token=2036354970&lang=zh_CN
如果你覺得這些還不過癮，甚至可以自己DIY一個(gè)。
在百度文心智能體平臺(tái)可以一鍵get同款，定制自己家鄉(xiāng)方言的智能體或是自己感興趣的垂類智能體。
當(dāng)然，AI學(xué)會(huì)方言這種中國(guó)公司才能實(shí)現(xiàn)的大模型技術(shù)，背后并不簡(jiǎn)單。
揭秘方言語音背后“殺手锏”
背后藏著百度語音技術(shù)團(tuán)隊(duì)的兩大“殺手锏”：
語音大數(shù)據(jù)挖掘技術(shù)和語音合成大模型技術(shù)，共同支撐起34省帶有人物畫像的方言音色快速定制。
語音大數(shù)據(jù)挖掘技術(shù)，是整個(gè)語音合成大模型的基礎(chǔ)，它先利用強(qiáng)大的識(shí)別大模型，對(duì)海量的語音數(shù)據(jù)進(jìn)行自動(dòng)化處理，包括：
- 切分：將長(zhǎng)語音數(shù)據(jù)切割成短片段，方便后續(xù)處理。
- 降噪：去除語音中的雜音，提升語音質(zhì)量。
- 識(shí)別：識(shí)別語音中的文字內(nèi)容，為方言合成提供語義信息。
……
由此，為語音合成大模型提供了大規(guī)模、高質(zhì)量的方言數(shù)據(jù)支持，確保了后續(xù)方言語音合成的準(zhǔn)確性和自然度。
此外，基于語音合成大模型的方言遷移合成技術(shù)還解決了之前合成系統(tǒng)存在的諸多難題——不同方言的合成模型難以通用，需要為每種方言單獨(dú)開發(fā)前端，導(dǎo)致資源消耗大、研發(fā)周期長(zhǎng)。
該技術(shù)巧妙地運(yùn)用了大數(shù)據(jù)驅(qū)動(dòng)，將普通話與各種方言納入統(tǒng)一建?？蚣?/strong>之中，通過遷移學(xué)習(xí)實(shí)現(xiàn)了任意音色說任意方言的自然流暢轉(zhuǎn)換。
也就是說，可以訓(xùn)練出一個(gè)能夠合成多種方言語音的通用模型，大大降低了研發(fā)成本和周期。
領(lǐng)先技術(shù)加持，極大提高了產(chǎn)出效率，怪不得34個(gè)智能體齊發(fā)，說上線就上線速度這么快，不過百度的語音技術(shù)可不光是為了春節(jié)而準(zhǔn)備。
百度語音在多領(lǐng)域大顯身手
百度語音技術(shù)團(tuán)隊(duì)成立于2010年，到現(xiàn)在已有深厚的技術(shù)積累，其語音技術(shù)也早已落到了各行各業(yè)，遍地開花。
比如，在數(shù)字人直播場(chǎng)景，數(shù)字人聲音合成的好壞極大依賴錄音數(shù)據(jù)的質(zhì)量，很多商家缺乏專業(yè)主播數(shù)據(jù)，導(dǎo)致定制的個(gè)性化虛擬人語音合成效果一般。
百度語音技術(shù)團(tuán)隊(duì)針對(duì)直播場(chǎng)景，搭建了專門的帶貨風(fēng)格語音音庫(kù)。
其中創(chuàng)新性地解決了個(gè)性化語音合成的多個(gè)痛點(diǎn)：
- 突破傳統(tǒng)錄音棚限制，通過智能工牌設(shè)備自動(dòng)采集真實(shí)直播數(shù)據(jù)。
- 運(yùn)用語音大模型遷移技術(shù)，精準(zhǔn)提取優(yōu)質(zhì)主播韻律信息，遷移給用戶音色。
- 運(yùn)用篇章段落合成技術(shù)，有效地解決了傳統(tǒng)單句合成帶來的狀態(tài)不連續(xù)和隨機(jī)切換問題，提升整場(chǎng)直播的合成自然度。
- 基于文本韻律增強(qiáng)技術(shù)，有效利用篇章文本，進(jìn)行整體的韻律、停頓、激情狀態(tài)控制，提升整場(chǎng)直播的擬人度和自然度。
效果那也是杠杠的，據(jù)了解，定制音庫(kù)的制作成本大幅降低，僅需幾分鐘數(shù)據(jù)就能達(dá)到超越真人的TTS水平。
另外，在有聲小說市場(chǎng)，百度直接搞了個(gè)全自動(dòng)化生產(chǎn)平臺(tái)，實(shí)現(xiàn)從畫本到有聲書的端到端自動(dòng)生成。
包括融合了基于大語言模型的文本理解技術(shù)，實(shí)現(xiàn)了精準(zhǔn)角色預(yù)測(cè)、人物畫像構(gòu)建、對(duì)白情感分析，搭建小說業(yè)務(wù)統(tǒng)一訓(xùn)練框架。
還有高表現(xiàn)力聲學(xué)建模技術(shù)，支持多種情感和副語言（如大笑、冷哼等）的遷移與控制，能夠生成符合語義和情感的類真人聲音合成。
并且，新音色的生成過程中，用戶再也不需要錄制包含特定情感和副語言的數(shù)據(jù)，即可快速生成具備情感和副語言能力的角色對(duì)白庫(kù)，顯著降低了構(gòu)建數(shù)據(jù)庫(kù)的門檻。
在車載場(chǎng)景下，百度還將視覺信息引入語音增強(qiáng)，對(duì)人臉唇動(dòng)特征和語音信號(hào)統(tǒng)一建模，大幅提升復(fù)雜場(chǎng)景下的語音增強(qiáng)的效果，徹底改變了過去單一模態(tài)的交互體驗(yàn)。
所以從這次的春節(jié)創(chuàng)意互動(dòng)，到各行業(yè)的專業(yè)級(jí)應(yīng)用，百度的目標(biāo)也很簡(jiǎn)單，重塑智能語音技術(shù)邊界，為用戶帶來更自然、個(gè)性化的交互體驗(yàn)。
這也是影響我們每一個(gè)人未來工作和生活的核心趨勢(shì)。
在大模型時(shí)代，一場(chǎng)語音革命已經(jīng)在悄然進(jìn)行。如果你或者身邊的人，想要更早抓住技術(shù)能做什么、會(huì)怎么樣，可以從百度這份春節(jié)大禮包試玩開始。
趁著春節(jié)，用AI的方式，幫助親朋好友都AI起來～
相關(guān)閱讀
速度提升17.5倍！百度提出語音合成新模型，完全并行的TTS系統(tǒng)
這是一個(gè)完全卷積的結(jié)構(gòu)，可將文本轉(zhuǎn)換成梅爾頻譜圖
李彥宏重新劃分自動(dòng)駕駛陣營(yíng)：百度和特斯拉都是工程派，Waymo在用科學(xué)思維
“缺乏工程思維是我們北大畢業(yè)生的短板”
百度研究院成績(jī)單來了！Pick超強(qiáng)AI戰(zhàn)斗力
最近一年，百度研究院在國(guó)際頂會(huì)和期刊上累計(jì)發(fā)表270多篇論文，奪得40多項(xiàng)國(guó)際權(quán)威競(jìng)賽冠軍，獲得30多項(xiàng)國(guó)內(nèi)外獎(jiǎng)項(xiàng)，在深度學(xué)習(xí)、視覺、生物計(jì)算、量子計(jì)算、機(jī)器人、安全等多個(gè)領(lǐng)域的前瞻技術(shù)研發(fā)和落地探索上，取得了豐碩成果。
百度文心大模型4.5系列正式開源 同步開放API服務(wù)
同時(shí)實(shí)現(xiàn)預(yù)訓(xùn)練權(quán)重和推理代碼的完全開源
小度科技獨(dú)立融資：投后估值200億元，百度擁有獨(dú)家控制權(quán)
獨(dú)立融資或?qū)⒊蔀樾《瓤萍奸_啟國(guó)內(nèi)上市進(jìn)程的關(guān)鍵一步。
克10-EM-P-150x150.jpg)