在CSDN 2024中國(guó)開(kāi)發(fā)者影響力年度評(píng)選中，聲網(wǎng)的Conversational AI Agents憑借其卓越的創(chuàng)新性脫穎而出，榮獲創(chuàng)新產(chǎn)品與解決方案獎(jiǎng)項(xiàng)。不僅如此，在大模型之家2024年度獎(jiǎng)項(xiàng)評(píng)選中，該解決方案同樣備受矚目，成功躋身優(yōu)秀應(yīng)用方案榜單。
聲網(wǎng)的這套Conversational AI Agents解決方案還獲得了業(yè)界的進(jìn)一步認(rèn)可，成功入選《2024年度軟件和信息技術(shù)創(chuàng)新服務(wù)案例集》。該案例集由中國(guó)電子信息產(chǎn)業(yè)研究院旗下的賽迪網(wǎng)與《數(shù)字經(jīng)濟(jì)》雜志共同發(fā)起，彰顯了聲網(wǎng)在AI領(lǐng)域的深厚實(shí)力。
聲網(wǎng)的Conversational AI Agents是一套功能強(qiáng)大的實(shí)時(shí)多模態(tài)對(duì)話式AI解決方案，它以語(yǔ)音為核心，并支持視頻擴(kuò)展，能夠?qū)崿F(xiàn)文本、音頻、圖像、視頻等多種形式的組合輸入輸出。該方案憑借500ms的超低延時(shí)、自然擬真的對(duì)話體驗(yàn)以及靈活可擴(kuò)展的框架，助力開(kāi)發(fā)者與企業(yè)快速構(gòu)建符合自身業(yè)務(wù)需求的AI實(shí)時(shí)語(yǔ)音對(duì)話服務(wù)。
在實(shí)時(shí)性方面，聲網(wǎng)的這套解決方案展現(xiàn)了顯著優(yōu)勢(shì)。通過(guò)客戶端的低延遲音頻采集和播放，結(jié)合聲網(wǎng)自研的SD-RTN?實(shí)時(shí)傳輸網(wǎng)絡(luò)，實(shí)現(xiàn)了全球范圍內(nèi)的低延時(shí)RTC傳輸，語(yǔ)音對(duì)話延遲低至500ms。同時(shí)，通過(guò)更快速的LLM推理首字耗時(shí)、低延遲流式TTS以及同機(jī)部署等技術(shù)手段，確保了對(duì)話的實(shí)時(shí)性和流暢性，使對(duì)話體驗(yàn)接近人與人之間的日常交流。
聲網(wǎng)的AI VAD技術(shù)使得AI對(duì)話過(guò)程中能夠隨時(shí)打斷，這成為衡量大模型智能化的重要標(biāo)準(zhǔn)之一。該技術(shù)能夠適應(yīng)人類(lèi)對(duì)話的停頓、語(yǔ)氣和節(jié)奏，確保AI在對(duì)話過(guò)程中能夠靈活應(yīng)對(duì)用戶的打斷和提問(wèn)。
在音頻處理方面，聲網(wǎng)的解決方案同樣表現(xiàn)出色。它具備業(yè)界領(lǐng)先的音頻3A能力，即使在嘈雜的環(huán)境中，也能通過(guò)AI噪聲抑制、背景人聲過(guò)濾、音樂(lè)檢測(cè)/過(guò)濾等算法，確保人與AI的對(duì)話不受干擾，始終保持順暢。這使得AI能夠更清晰地聽(tīng)到并理解人的話語(yǔ)。
聲網(wǎng)的解決方案還采用了靈活可擴(kuò)展的AI Agent架構(gòu)，兼容市場(chǎng)主流的ASR、LLM和TTS技術(shù)。這一架構(gòu)具備工作流編排能力，幫助開(kāi)發(fā)者與企業(yè)根據(jù)特定需求定制和擴(kuò)展AI驅(qū)動(dòng)的實(shí)時(shí)互動(dòng)體驗(yàn)。同時(shí)，該方案支持API快速調(diào)用，提供開(kāi)箱即用的場(chǎng)景化Demo，最快3小時(shí)即可實(shí)現(xiàn)方案驗(yàn)證。它還提供了端到端SDK，適用于針對(duì)目標(biāo)場(chǎng)景化業(yè)務(wù)開(kāi)發(fā)的客戶。
目前，聲網(wǎng)已與國(guó)內(nèi)外多家AI廠商展開(kāi)合作，借助Conversational AI Agents幫助客戶在智能助手、虛擬陪伴、口語(yǔ)陪練、語(yǔ)音客服、同聲傳譯、智能硬件等多個(gè)場(chǎng)景中實(shí)現(xiàn)了對(duì)話式AI的落地應(yīng)用。
