成本最高降90%！百度發佈端到端語音語言大模型，已在文小言上線

3月31日，在百度ai day上，百度發佈業界首個基於全新互相關注意力(cross-attention)的端到端語音語言大模型，實現超低時延與超低成本，在電話語音頻道的語音問答場景中，調用成本較行業均值下降約50%-90%。當日，文小言宣布品牌煥新，率先接入該模型，還帶來多模型融合調度、圖片問答等功能升級。

接入全新的端到端語音語言大模型後，文小言不僅能支持更擬真的語聊效果，而且支持重慶、廣西、河南、廣東、山東等特色方言。據介紹，語音大模型具備極低的訓練和使用成本，極快的推理響應速度，語音交互時，可將用戶等待時長從行業常見的3-5秒降低至1秒左右。

更新後的文小言還支持「多模型融合調度」，通過整合百度自研的文心x1、文心4.5等頂尖模型，並接入deepseek-r1等第三方優質模型，實現了多模型間的智能協同。用戶可以選擇「自動模式」，一鍵調用最優模型組合，也可根據需求靈活選擇單一模型完成特定任務，大幅提升響應速度與任務處理能力。

同時，文小言還加強了圖片問答功能，用戶拍攝或上傳圖片，以文字或語音提問即可直接獲取深度解析。例如，拍攝一道數學題可實時生成解題思路與視頻解析；上傳多款商品圖可對比參數、價格，輔助購物決策；拍攝杯子設計圖後，ai可自動解析風格並生成同款手機殼、支架等周邊產品。