国内首个端到端通用语音大模型——心辰Lingo，现已开放内测预约。

编辑日期：2024年08月30日

实时打断、实时指令控制、超级拟人、能说会唱

国内首个端到端通用语音大模型——心辰Lingo现已开放内测预约。

在技术上，心辰Lingo具备实时打断、实时指令控制、超级拟人、能说会唱等能力，其中文语音效果超越了GPT-4o。9月5日，西湖心辰将在外滩大会上正式发布这一模型，该技术的突破或将对多个领域产生深远影响，并有望引领人机交互进入一个全新的时代。

访问「心辰Lingo」语音大模型官网（🔗 https://lingo.xinchenai.com），即可立即预约内测。

传统的语音交互需要先将语音转换成文字，再理解文字，生成回复文字，最后再将文字转回语音。每次交互中，“语音-文本”和“文本-语音”的转换难免会丢失信息，尤其是语音中的情绪表达和“言外之意”。

端到端语音对话模型就像一位“高情商”的朋友，能够捕捉语气的变化、情绪的波动，甚至是犹豫和停顿。它不仅能“倾听”和“引导”，还能与你“共情”，提供情绪价值。

心辰Lingo作为国内首个端到端通用语音大模型，融合了语音识别、自然语言处理、意图识别、对话管理和语音合成等多项前沿技术，具备实时打断、实时指令控制、超级拟人、能说会唱等能力。研发团队在多个领域和中文方面进行了增强，使Lingo的中文语音效果优于GPT-4o。与其他语音大模型相比，Lingo拥有以下三个技术特征：

原生的语音理解：不仅精准识别语音中的文字信息，还能捕捉情感、语气、音调乃至环境音等重要特征，帮助模型更全面地理解语音内容，从而提供更加自然和生动的交互体验。
多种语音风格表达：根据交互上下文和用户指令，自适应调整语音的速度、高低、噪声强度等，并生成对话、歌唱、相声等多种风格的语音响应，有效提升模型在不同应用场景下的灵活性和适应性。
语音模态超级压缩：利用压缩比达数百倍的语音编解码器，能够将语音内容压缩至极短的长度，大幅降低计算和存储成本，同时帮助模型生成高质量的语音内容。端到端语音技术以其强大的交互能力和智能化处理方式，不断拓展在各行各业的应用边界。作为行业先锋，心辰Lingo也在积极探索相关的应用场景。

国内首个端到端通用语音大模型——心辰Lingo

具身智能：心辰Lingo可以扮演不同的助手角色，根据用户需求和指令提供个性化的语音服务。通过与具身智能技术的深度融合，智能机器人能够大幅提升意图识别和沟通理解能力，让用户不仅享受到智能生活的便捷，还能感受到科技的温情与贴心。
心理疗愈：心辰Lingo可以根据用户的情感状态，模拟“朋友”或“亲人”的沟通方式，通过定制化的语音提供安慰和鼓励，帮助用户缓解压力和焦虑。此外，它还可以模拟心理咨询师，以专业而温暖的态度与用户进行语音交流，提供倾听、理解和引导，帮助用户走出情绪低谷。
客户服务：心辰Lingo卓越的即时响应能力，确保在与用户交流时提供无任何体感延时的语音服务。它不依赖于传统的决策树结构，避免了因未预见情况导致的响应障碍。无论用户提出何种问题，Lingo都能凭借其先进的算法和强大的语言理解能力，提供恰当且及时的答复。此外，心辰Lingo还能精准识别用户的烦躁、生气、高兴、舒缓等不同情绪，并快速调整语音语调和音量，提供更具人性化和同理心的服务。

儿童教育

孩子的丰富想象力和不成熟的语言表达能力给人机沟通带来了挑战。心辰Lingo通过分析上下文、语气和语调等多方面因素，深入理解儿童的语音内容，并围绕“爱商教育”的理念，以积极的鼓励和表扬与孩子们建立情感联系，激发他们的表达能力。此外，它还能通过说唱的方式讲述故事情节和知识，增加学习的趣味性和吸引力，真正做到寓教于乐。

国内首个端到端通用语音大模型——心辰Lingo