百度在AI DAY上发布了全新升级的文小言，搭载了一个特别的端到端语音语言大模型。作为一个科技爱好者，我第一时间进行了体验，发现这次升级确实有些有趣的变化。 用几个关键词概括新升级的文小言就是：语音交互超逼真、超低时延、超低成本。 ⚡️实测：响应真的变快了 以前使用语音助手时总有那么几秒尴尬的等待，现在明显感觉到响应速度快了很多。我计时了一下，从说完问题到AI开始回答，大约只需1秒左右，比起以前动辄3-5秒的等待，体验顺畅了不少。而且在这个过程中，即使你频繁打断照样应对如流。 🗣️方言识别： 最让我惊讶的是文小言对方言的支持。让我奶奶试着用粤语和文小言聊了几句，没想到AI真的听懂了！过去每次视频电话，我都要给奶奶"翻译"语音助手的回答，现在她可以直接对话了。 支持的方言还包括广西、河南、广东、山东等地，对于不习惯普通话的老人家来说，这是个实用的改进。 📱技术原理：为何这次不一样 根据介绍，这个语音大模型采用了互相关注意力(Cross-Attention)技术，实现了端到端的语音语言处理。与传统的"语音识别+文本理解+语音合成"级联方案相比，新方案将整个过程融为一体，不仅提高了响应速度，这还使大模型的调用成本比行业平均水平降低了50%-90%。 百度此次推出的基于Cross-Attention的端到端语音语言模型，重点就在于此。 具体来说，百度做了以下创新： - 业内首创的基于Cross-Attention的跨模态语音语言大模型 - Encoder和语音识别过程融合，降低KV计算 - Decoder和语音合成模型融合 - 创新提出基于Cross-Attention的高效全查询注意力技术（EALLQA），降低KV cache #AI体验 #文小言 #语音助手 #科技日常 #实用工具