Soul全雙工語音大模型升級 迭代人機交互體驗感

作為聚焦年輕用戶 社交 需求的平臺，Soul App近日正式升級自研端到端全雙工語音通話大模型，通過技術突破，讓AI自主決定說話時機，打破傳統“輪次對話”模式，為用戶帶來更自然、沉浸的人機交互體驗。此次升級不僅是Soul在AI社交領域的又一探索，更彰顯了其以技術賦能情感連接的持續努力。

新模型摒棄了傳統語音交互中依賴的 VAD（話音激活檢測）機制與延遲控制邏輯，打破行業中普遍存在的“輪次對話”模式，賦予 AI 自主決策對話節奏的能力。AI 可實現主動打破沉默、適時打斷用戶、邊聽邊說、時間語義感知、并行發言討論等。同時，模型具備多維度感知（包括時間感知、環境感知、事件感知等），口語化表達（如語氣詞、結巴、明顯情緒起伏），音色復刻等能力，讓 AI 更具“真人感”，支持打造更沉浸、類現實交互的語音互動新體驗。

為了盡可能保證全雙工對話模型的基礎對話能力，避免模型“降智”，新模型采用了雙 LLMs 的結構。由負責對話理解與生成的Dialogue Model和處理語音生成的Speech Model協同工作，實現跨模態信息的完整傳遞。通過精準建模“說話時機”與“沉默持續時間”，AI獲得了自主決策對話節奏的能力，讓AI的“真人感”大幅提升。

在社交陪伴場景中，Soul的AI能力展現出顯著創新：不僅能通過情緒起伏、語氣詞等細節傳遞鮮明情感，還能深度整合人設與上下文，構建連貫的“數字人格”故事線。此外，除了一對一的情感傾訴，目前Soul團隊還在探索多人語音中的話題引導，讓AI能自然融入，成為用戶社交關系網絡的重要補充。

通過技術創新打破人機交互的邊界，Soul正不斷豐富著社交場景的可能性，讓AI真正成為傳遞情緒價值、增強用戶歸屬感的重要力量。此次全雙工語音模型的升級，進一步推動了人機互動向“情感與信息雙向交流”演進。未來，Soul還將探索多人交互場景的技術應用。