Assistant scénario▸ 
Apps AI 
Actualités AI 
Xinchen Lingo : modèle vocal universel de bout en bout
Xinchen Lingo : modèle vocal universel de bout en boutIntroduction
Lingo est le premier grand modèle de voix IA universel de bout en bout développé en Chine par l'équipe Xihu Xinchuang. Son principal avantage réside dans sa capacité à saisir les variations subtiles de la parole, en comprenant les informations textuelles, les émotions, le ton et l'intonation contenues dans la voix. Lingo ne se contente pas de comprendre les paroles de l'utilisateur, il permet également une perception approfondie de ses intentions et émotions, dotant l'IA d'un haut quotient émotionnel. Ce modèle est très performant en traitement de la voix chinoise, surpassant même GPT-4o, et est largement utilisé dans de nombreux domaines.
Le modèle vocal Lingo, développé par l'équipe Xihu Xinchuang, est le premier grand modèle de voix universel de bout en bout en Chine. Les inscriptions au test bêta ont été ouvertes le 24 août 2024 et le lancement officiel a eu lieu le 5 septembre lors de la conférence du Bund. Il est prévu qu'en octobre soient publiés des modèles vocaux spécialisés, entraînés en profondeur à partir de Lingo dans des domaines tels que l'accompagnement des enfants, le soutien psychologique et le service commercial, afin de stimuler davantage l'innovation et l'application des technologies vocales IA.
Fonctionnalités du grand modèle vocal Lingo :
Compréhension vocale native : Lingo ne se limite pas à reconnaître les informations textuelles de la voix, il capture également les caractéristiques essentielles telles que les émotions, le ton et l'intonation, y compris les sons ambiants. Cela permet au modèle de comprendre le contenu vocal de manière plus complète, offrant ainsi une expérience d'interaction plus naturelle et vivante.
Expression vocale en plusieurs styles : en fonction du contexte et des instructions de l'utilisateur, Lingo peut adapter de manière autonome la vitesse, la hauteur et l'intensité du bruit de la voix, et est capable de générer des réponses vocales dans divers styles tels que la conversation, le chant et le sketch comique, améliorant efficacement la flexibilité et l'adaptabilité du modèle dans différents scénarios d'application.
Super compression du modal vocal : grâce à un codec vocal offrant un taux de compression de plusieurs centaines de fois, les coûts de calcul et de stockage sont considérablement réduits, tout en garantissant une sortie vocale de haute qualité.
Comparé aux systèmes traditionnels de texte vers voix (TTS), Lingo, en tant que grand modèle vocal de bout en bout, intègre l'ensemble du processus d'interaction, de l'entrée vocale à la rétroaction vocale, offrant aux utilisateurs une expérience d'interaction vocale plus complète et fluide. De plus, Lingo dispose sur le plan technique de capacités telles que l'interruption en temps réel, le contrôle par指令 en temps réel, un niveau d'humanisation extrêmement élevé, et la capacité de parler et de chanter, offrant des performances vocales en chinois supérieures à celles de GPT-4o.
Domaines d'application du grand modèle vocal Lingo :
Éducation : proposer un enseignement vocal intelligent et une aide à l'apprentissage.
Finance : améliorer l'efficacité et la satisfaction du service client.
Santé médicale : utilisé pour le conseil et l'intervention en santé mentale.
Gouvernement et services publics : proposer des services vocaux intelligents.
Médias et divertissement : offrir une expérience d'interaction vocale riche.
Le lancement de Lingo marque une avancée majeure de la Chine dans le domaine des technologies vocales. Il réalise une liaison transparente de bout en bout entre l'entrée et la sortie vocales, capable de capter les variations subtiles de la voix et de comprendre les émotions de l'utilisateur. Il saisit profondément les intentions de l'utilisateur et y répond sous une forme vocale tout aussi riche. Cette technologie de traitement de bout en bout bouleverse彻底 les méthodes traditionnelles de traitement vocal. L'émergence du grand modèle vocal Lingo enrichit non seulement la profondeur et l'étendue de l'interaction homme-machine, mais offre également de nouvelles possibilités pour l'exploration et la pratique des applications vocales intelligentes. Elle réduit considérablement la perte d'informations durant le processus de conversion, rendant les « machines » plus fines et précises dans la compréhension du langage humain, et offrant une expérience d'interaction proche de l'humain.
Le grand modèle vocal universel de bout en bout Lingo est actuellement ouvert aux inscriptions pour les tests. N'hésitez pas à vous inscrire pour en faire l'expérience.
Actualités connexes :
Seed-ASR : modèle de reconnaissance automatique de la parole développé par ByteDance
Recommandation de 10 excellents modèles TTS vocaux open source
Seed-TTS : modèle TTS texte vers voix de haute qualité développé par ByteDance
