豆包语音大模型首家引领级通过中国信通院语音大模型评估

近日，火山引擎提供的豆包大语音模型成为首家“引领级”通过中国信通院语音大模型能力评估的产品，经相关标准和评估测试显示，豆包大语音模型在语音合成、复刻、识别分析等方面能力突出，处于行业领先地位。

近年来，随着人工智能技术的快速发展，语音大模型作为语音理解和生成的关键技术，正不断赋能各行业的智能化转型。在此背景下，中国信通院制定了《语音大模型技术能力要求》标准旨在为行业提供技术参考和规范，提升语音大模型技术能力的可操作性和标准化水平。据介绍，标准共包含两大评估板块的4个方面

能听：

? 精准的语音识别能力（ASR）：具备高准确率，能够精准识别不同场景语音输入，包括噪声环境中的语音、方言和口音。

? 多语种与跨语言处理：支持多语种语音识别，适配全球化应用场景。

? 感知语境变化：能区分语气、情感变化，捕捉说话者意图和语义。

会说：

? 自然语音合成（TTS），实现接近真人语音的合成，支持情感化表达和多种语言发声。

? 多样化语音风格：支持多种音色、语速和语调的自定义输出，满足个性化需求。

实时生成能力：毫秒级响应时间，支持实时语音交互。

够懂：

深度语义理解：能准确理解语音输入中的复杂语义、上下文关联和用户意图。

多任务协同处理：能同时完成语音识别、情感分析、语言翻译等多任务。

个性化适配：根据用户历史数据调整语音交互方式，实现个性化推荐或对话内容定制。

好用：

广泛的应用场景支持：从个人助手到行业解决方案，覆盖家居、医疗、教育、金融等领域。

轻量化与边缘部署：优化模型适配终端设备，在低算力环境中实现高性能。

高效开发与标准化接口：支持快速集成和跨平台应用，降低开发与部署成本。

据了解在本次评估中，豆包语音大模型全部满足23项功能评估、在4项性能评估得分表现优秀，支持20余项服务能力，成为国内首家引领级通过评估的产品，具备优异的语音合成、复刻、识别、分析等能力。