改写语音交互行规，豆包大模型更稳了

陪着寂寞看孤单

是新朋友吗？记得先点蓝字“锌刻度”关注我哦～
每日一篇科技财经深度调查
走进商业背后的故事

全双工模式才是王道
撰文/ 陈邓新
编辑/ 李   季
排版/ Annalee




豆包大模型，又上新了。



2026年4月9日，原生全双工语音大模型Seeduplex正式发布，相比上一代半双工豆包端到端语音模型，新模型基于“边听边说”的全新框架设计，交互体验的自然感、顺畅度大幅提升，目前已在豆包App全量上线。


这意味着，前沿的全双工语音技术，第一次实现商业规模化落地。


而依托全双工语音技术，豆包的语音交互不再是机械式的一问一答，而是收放自如的聊天搭子，活人感跃然纸上。


显而易见，AI应用“一哥”如虎添翼了。




活人感才是语音交互的核心竞争力


语音交互，成为互联网竞争的主战场。


起初，人类触达数字世界交互方式为命令行；之后，图形界面接棒，造就了PC的辉煌；等到触控起势，移动互联网的序幕也随之拉开。


如今，交互方式又有了新范式。


AI时代，语音交互走到了C位，不再是一个可有可无的辅助功能，而是提升交互效率、改变交互形态的核心载体。


皆因，语言才是人类表达意图的最短路径。


如此一来，基于AI技术的语音交互正在打破现实世界与数字世界的交流壁垒，通过颠覆使用习惯的方式完成交互跃迁。


问题在于，传统的语音交互是半双工模式。


半双工模式之下，同一个时间段内只有一个动作发生，用户说话了则AI只能听着，反之亦然，这个过程一板一眼，不容丝毫偏差。


通俗易懂地说，AI在语音交互的过程中缺乏活人感。


此背景下，哪怕语音识别与自然语言理解两大技术成熟，语音识别准确率接近人类水平，也没有让传统的语音交互出圈。


一名互联网观察人士告诉锌刻度：“半双工模式无法打断正在进行的说话、难以过滤复杂环境的杂音、没法感知用户的正常停顿等，容易出现抢话、跑题等令人尴尬的问题，严重影响了用户的交互体验，直白地说就是AI彬彬有礼却无法与用户共情。”

Seeduplex的全双工模式，则有效解决了上述问题。


全双工之下，同一个时间段内用户与AI可以双向交流，即用户可以随时插话与打断，AI也可以持续倾听与及时响应。

在此过程中，Seeduplex进行全局声学环境感知，精准筛选出用户与模型交互的真正声音，过滤背景带来的各种干扰声，从而将误回复率与误打断率降低了一半，用户无需提高音量或寻找安静角落，即可进行高质量的对话。

精准抗干扰之外，Seeduplex还具备动态判停能力。


通过联合语音和语义特征，综合判断用户意图，面对用户的思考犹豫，模型可以耐心倾听；在用户说完后，又可以快速响应，从而抢话的概率相对降低了40%。


对此，一名专业人士表示：“通过语速、语调、语义的综合考虑，动态判停可以共情式倾听用户，理解用户的停顿到底是在思考，还是真正把话说完了，这才是Seeduplex最大的竞争优势。”


一言以蔽之，Seeduplex成为一个有温度、有深度、有人格、有灵魂的交互主体，依托活人感走了一条差异化竞争的道路。


毕竟，活人感才是语音交互的核心竞争力。




率先突破的为何是豆包


全双工模式堪称降维打击，自然成为行业追逐的焦点，可唯独豆包大模型成为行业“吃螃蟹”的第一人，并非偶然。


一方面，语音交互一直是豆包的底色。


自推出以来，语音交互就成为豆包用户体验的核心支柱，其即时互动感颇受年轻人的青睐，进而营造了高粘性、正循环的社交氛围。


由此一来，豆包成为AI应用赛道的“一哥”。

QuestMobile的数据显示，截至2025年9月，AI应用市场移动端、PC端月活跃用户数分别达到7.29亿、2.00亿；其中，排名第一的豆包的月活跃用户规模为1.72亿。

华熙生物董事长赵燕表示：“豆包这些AI，是生活的一部分，工作的一部分。重复、需要耗时耗力的一些事儿，我会让豆包来做。AI给我们带来的是业务的重塑，原来可能几十个人的团队要干两年，现在可能（只需要）五个小时。”


正因为如此，豆包的语音交互生态每天都在源源不断产出海量的真实数据，为孵化Seeduplex提供了肥沃的土壤，其训练语料的优势无法比拟。


另外一方面，豆包大模型的底蕴深厚。


豆包大模型2024年5月的日均Token使用量为1200亿，到了2026年3月日均Token使用量已突破120万亿，足足增长了1000倍。


须知，Token使用量是衡量AI发展速度的核心指标。


这意味着，豆包大模型不断技术迭代，从可用走向好用，为半双工豆包端到端语音模型迭代为原生全双工语音大模型Seeduplex创造了良好的条件。


火山引擎总裁谭待表示：“只有大的调用量，才能打磨出好模型。只有在真实场景中落地，用的人越多，调用量越大，模型才会越来越好。”

具体来看，为了让全双工成功落地，Seeduplex在模型框架设计、算法优化、工程性能与稳定性上下了一番功夫。


譬如，在模型框架设计上，放弃了经典的“ASR（语音转文本）→LLM（大脑思考生成回复）→TTS（语音合成）”模型架构，设计了更贴合语音实时对话原生特性的模型架构，使模型能够直接从数据中学习语音与语义的一体化表达和节奏控制，显著提升了交互自然度。


再譬如，活人感与对话智能、超低延迟、对话节奏控制、强抗干扰能力与指向性理解等指标息息相关，因而需要依托海量语音数据进行大规模预训练，并通过多能力、多任务的后训练体系，才可以达到多维能力协同进化的目的。


合力之下，Seeduplex攻克了全双工语音的数据构建、超低时延与模型效果协同优化等核心技术难题，打开语音交互的新边界。


测试数据显示，相比上一代半双工豆包端到端语音模型，Seeduplex的判停MOS分提高了8%，对话流畅度MOS分提升了12%。






智能座舱迈入语音交互时代


随着语音交互从半双工走向全双工，可以进一步赋能教育、直播、营销、客服等行业，释放更大的生产力。


上述行业有一个共同的特征，即在语音交互的过程中需要避免机械感，从而增加用户的沉浸感与参与感，最终提高用户的信任度与满意度。


不难看出，Seeduplex的出现不啻一场及时雨。


尤为值得一提的是，随着汽车全面拥抱智能座舱，汽车正在撕下代步的标签，成为真正意义上的“第三空间”，也成为语音交互落地的最佳场景。


事实上，无需触控、按键、旋转，通过口头指令即可控制打开音乐、降低车窗、调整温度、设置导航等日常操作，因而语音交互逐渐取代了传统的人机界面。


不难看出，语音大模型成为智能座舱比拼的关键所在。


佐思汽研的数据显示，车载大模型2025年1月的渗透率为10.8%，到了2025年12月已攀升至38.6%，走高的势头肉眼可见。


其中，豆包大模型拔得头筹。


公开资料显示，豆包大模型覆盖赛力斯、吉利汽车、长城汽车、捷途汽车、智己汽车等20余家车企，2025 年新上市车型搭载量位居行业第一。


以别克至境E7为例，其与豆包大模型进行了全链路共创模式，在高速噪声、多音区等复杂环境下，将语音识别准确率提升至98%，复杂指令理解超过95%。

火山引擎汽车总经理杨立伟表示：“我们的合作，不是‘大模型上车’，而是‘大模型为车定制’。”

眼下，Seeduplex助阵，豆包可以更好地适配智能座舱场景，既能在低延迟条件下实现对话，克服听不准、听不清、反应迟钝等传统痛点，也能通过用户的语调、语速、语义，判断用户的情绪，并给出积极的回应，成为一个可以提供情绪价值的开车搭子。

简而言之，豆包从助手化身为助理。


与此同时，在Seeduplex赋能之下，智能座舱可以“像人一样思考、像人一样交流、像人一样成长”，有了更大的想象空间与商业价值。


总而言之，全双工语音技术走出了实验室，全面领先当下主流的半双工语音技术，未来不但会重新定义AI应用的用户体验，还可能孕育全新的语音交互商业模式。


那么，豆包有了更大的势能。

922b3eb6

用豆包全双工语音聊了半小时打游戏策略，它居然能听我中途吐槽网卡还接着分析，比之前那机械应答顺溜太多，就像跟真人开黑队友唠嗑

ress

确实不错，前天晚上nas大硬盘不同格式拷贝资料，软件没用过，菜单英文的，中英文夹杂和豆包对话，全程很流畅。和真人对话一样。

com2

谢谢楼主分享！

tdh0011

版区有您更精彩