千呼万唤始出来

主要观点总结

豆包实时语音大模型于2025年1月20日正式推出，全量开放。该模型实现了端到端语音对话，主要面向中文语境和场景，并突破了真人级语音对话能力的限制。相比传统模式，该模型在语音表现力、控制力、情绪承接等方面表现惊艳，并且具备低时延、可中断等特性。此次模型的推出有望优化AI应用的使用体验，强化AI玩具的情感陪护逻辑。

关键观点总结

关键观点1: 豆包实时语音大模型的推出

豆包实时语音大模型已正式推出，并在豆包APP全量开放。用户只需升级APP至7.2.0版本即可体验。该模型实现了端到端语音对话，突破了真人级语音对话能力的限制，提供了更亲和的交互体验和情感价值。

关键观点2: 模型的技术特点

豆包实时语音大模型采用了先进的语音预训练技术，不需要转换文本，更加实时。该模型使用了统一音频生成框架，具备惊人的演示效果。此外，该模型还具备音频的CoT能力，使用了自家的识别、输出和音乐相关工程。

关键观点3: 市场关注和行业影响

市场关注豆包大模型的进展，认为其实时语音大模型的落地将进一步优化AI应用的使用体验。同时，该模型的推出也强化了AI玩具的情感陪护逻辑，对相关行业产生了积极的影响。

关键观点4: 其他相关话题

文章还涉及了算力CAPEX、国产芯片、AI芯片禁令、未来应用场景等相关话题。包括国内国外的芯片采购情况、算力布局、AI芯片禁令的影响以及未来应用场景的讨论等。

文章预览

事件：豆包实时语音大模型于2025年1月20日正式推出，并在豆包 APP 全量开放，用户仅需升级APP至7.2.0版本即可体验。 1、豆包实时语音大模型是一款语音理解和生成一体化的模型， 实现了端到端语音对话，主要面向中文语境和场景（可进行英语对话，暂不支持多语种）。 ➠模型突破真人级语音对话能力的限制，提供更亲和的交互体验和情感价值。 ➠兼具智商与情商，AI对话呈现“真人感” ➠对比传统级联模式，该模型在语音表现力、控制力、情绪承接方面表现惊艳，#并具备低时延、对话中可随时打断等特性。 2、相比GPT-4o，该模型的用户满意度具备明显优势， #尤其是语音语气自然度和情绪饱满度都远高于GPT-4o。 3、春节是历年来互联网厂商大手笔宣传抢夺月/日活用户的重要节点。 复盘来看，15年微信摇红包、16年支付宝集五福、18年春节抖音爆火 ………………………………