字节豆包大模型已支持实时语音通话

　　字节跳动旗下火山引擎今日宣布推出对话式 AI 实时交互解决方案，搭载火山方舟大模型服务平台。

　　该方案通过火山引擎 RTC 实现语音数据的采集、处理和传输，并深度整合豆包 语音识别模型和豆包 语音合成模型，简化语音到文本和文本到语音的转换过程，提供智能对话和自然语言处理能力，帮助应用实现用户和云端大模型的实时语音通话。

　　▲ 对话式 AI 实时交互服务方案架构

　　字节跳动介绍称，对话式 AI 实时交互解决方案支持开箱即用快速搭建，只需调用标准的 OpenAPI 接口即可配置所需的语音识别（ASR）、大语音模型（LLM）、语音合成（TTS）类型和参数。而火山引擎 AIGC RTC-Server 负责边缘用户接入、云端资源调度、文本与语音转换处理以及数据订阅传输等环节。

　　该技术拥有三大亮点：

　　支持随时打断，甚至直接插话;

　　不受限于 AI 服务部署区域，整体响应延时可低至 1s;

　　客户端提供音频帧级别的语音活动性检测(VAD)，可以检测出音频信号中何时有人正在说话，何时是静默状态。

　　附火山引擎对话式 AI 实时交互 Demo 如下：