隨著春節(jié)的喜慶氛圍彌漫全球，一款名為DeepSeek的國產(chǎn)AI應(yīng)用迅速走紅，不僅彰顯了國產(chǎn)AI技術(shù)的崛起，也展示了生成式AI所帶來的前所未有的創(chuàng)新潛力。而在這場AI盛宴中，聲網(wǎng)適時推出了其Conversational AI Engine（聲網(wǎng)對話式AI引擎），為DeepSeek等大模型提供了無縫接入的能力，助力開發(fā)者輕松構(gòu)建出超低延時的對話式AI應(yīng)用場景。
聲網(wǎng)的這一對話式AI引擎，是基于全球廣泛認可的TEN framework開源框架構(gòu)建的，它不僅實現(xiàn)了行業(yè)領(lǐng)先的650毫秒超低響應(yīng)延遲，還具備對話人聲鎖定、全模型適配等關(guān)鍵優(yōu)勢，為用戶帶來更加流暢自然的對話體驗。
聲網(wǎng)Conversational AI Engine的一大亮點是其全模型敏捷適配能力。通過獨創(chuàng)的全棧模型兼容體系，該引擎能夠無縫接入第三方云端大模型服務(wù)、企業(yè)私有化模型以及本地化部署的開源模型，實現(xiàn)跨架構(gòu)模型的快速適配。這一技術(shù)不僅適用于新模型，對于老模型也同樣友好，通過標準化API，老模型也能實現(xiàn)一鍵式快速接入，大大縮短了接入周期，保障了企業(yè)AI模型資產(chǎn)的無損遷移和持續(xù)價值轉(zhuǎn)化。
在真實的對話場景中，打斷對方并提出新疑問是常有的事，而對于對話式AI來說，能否支持隨時打斷也成為了衡量其智能化的一個重要標準。聲網(wǎng)自主研發(fā)的AI VAD技術(shù)，能夠很好地適應(yīng)人類對話的停頓、語氣和節(jié)奏，使得AI在對話過程中能夠隨時優(yōu)雅地打斷對方，更加貼近人心。
聲網(wǎng)還針對大模型語音交互中存在的誤打斷問題進行了優(yōu)化。在嘈雜的環(huán)境中，如商場、地鐵站、咖啡店等，背景人聲和環(huán)境噪音很容易干擾到人與AI的交互，導(dǎo)致AI誤觸發(fā)打斷機制，停止交互。為了解決這一問題，聲網(wǎng)技術(shù)團隊結(jié)合多年積累的AI降噪等音頻對話處理能力，智能屏蔽交互中的各類背景人聲與噪聲干擾，即使在嘈雜環(huán)境中，也能保證對話的精準和流暢。據(jù)測試，在噪雜環(huán)境下，聲網(wǎng)的方案誤打斷率較ChatGPT降低了50%。
除了誤打斷問題，多模態(tài)大模型在不穩(wěn)定網(wǎng)絡(luò)環(huán)境下的交互穩(wěn)定性和流暢性也是很多AI企業(yè)需要優(yōu)化的方向。聲網(wǎng)憑借其在音視頻領(lǐng)域的深厚技術(shù)優(yōu)勢和場景實踐，通過實時網(wǎng)絡(luò)覆蓋、網(wǎng)絡(luò)超強適應(yīng)、海量終端適配等能力，打造出了全球一致的端云覆蓋體驗。即使在網(wǎng)絡(luò)不穩(wěn)定的室外環(huán)境，聲網(wǎng)的智能路由+抗弱網(wǎng)算法也能實現(xiàn)跨區(qū)域絲滑互動，即使在面臨80%丟包的情況下，人與AI也能穩(wěn)定交流。
目前，聲網(wǎng)的Conversational AI Engine已經(jīng)開放了Private Beta版本的邀請測試。如果您對這款對話式AI引擎感興趣，想要體驗Demo或獲取產(chǎn)品測試接入的服務(wù)支持，可以關(guān)注聲網(wǎng)的官方渠道，了解更多詳情。
