從「天工大模型1.0」的研發(fā)到「天工大模型3.0」的發(fā)布，再到今天的「天工大模型4.0」階段，我們堅定地投入了近四年的時間和研發(fā)。今天，昆侖萬維正式推出「天工大模型4.0」4o版（Skywork 4o），以及新產(chǎn)品「實時語音對話助手Skyo」。

Skyo作為一個智能語音互動產(chǎn)品，具備快速響應、多語言對話能力，它能夠主動發(fā)起對話、實時打斷。同時，Skyo具備情感化反應和個性化聲音定制功能，為用戶帶來溫暖貼心的陪伴體驗。

更重要的是，基于天工AI的大模型技術(shù)能力和AI搜索功能，Skyo能克服大模型幻覺問題，在對話中回復真實內(nèi)容。無論在情感陪伴、個性化交互、多語言客服還是時事新聞聊天等應用場景中，都能提供智能且貼合需求的互動。

當前，昆侖萬維旗下天工AI的應用生態(tài)羽翼豐滿、備受用戶喜愛，功能矩陣涵蓋AI搜索、AI文檔-音視頻分析、AI寫作、AI音樂、AI圖片生成、AI PPT。

實時語音對話助手Skyo的推出和加入，不僅讓天工AI的生態(tài)矩陣更加立體、逐漸完善，也標志著端到端實時語音對話建模技術(shù)的重大進步。

同時，以Skyo為代表的AI語音互動應用，正是我們期待的下一代超級個人助理的終極交互形態(tài)，結(jié)合未來Skyo所期待具備的多模態(tài)交互能力，它更是一次人機交互模式的新體驗和革命性飛躍。

模型自研，打造端到端、更卓越的實時語音對話系統(tǒng)

通過深入研究實時語音對話過程，我們發(fā)現(xiàn)仍有一些痛點尚未被現(xiàn)有方案解決：全雙工響應延遲較長、對話不夠連貫、語音生成和交互體驗不夠自然，以及對多語言和情緒表達的支持不足。

昆侖萬維則希望充分利用我們在AI大模型、AI音樂、AI搜索中的研發(fā)經(jīng)驗，提供更自然、更流暢、更擬人、低延時的用戶交互體驗。

「天工大模型4.0」4o版（Skywork 4o）以及Skyo由我們的技術(shù)團隊自主研發(fā)，他們具有深厚的語音和音樂大模型的技術(shù)經(jīng)驗以及大量語音數(shù)據(jù)積累。端到端自研先進鏈路，能在多任務下表現(xiàn)出色，尤其在高強度對話交互中仍能保持穩(wěn)定性和流暢性。

「天工大模型4.0」4o版（Skywork 4o）模型優(yōu)勢：

1、高效響應速度：通過端到端的語音對話建模，實現(xiàn)低延遲響應，接近人對話的思考問答時間。

2、支持實時打斷：用戶無需點擊對話開始和結(jié)束的按鈕，全雙工系統(tǒng)支持聊天中任意打斷。

3、情感理解與個性化記憶：能夠理解用戶的情緒并提供情感化回應，對話更具人性化。

4、可定制的聲音風格：支持用戶定制或挑選助手的音色和風格。

5、有能力支持多語言：根據(jù)用戶需求在多語言之間切換，適應全球化應用場景。

產(chǎn)品亮點與實測

基于模型能力和先進的端到端實時語音對話建模技術(shù)，Skyo頗具亮點，能實現(xiàn)以下功能：

1、能在1秒內(nèi)回復、聊天中可打斷：依托全雙工+低延時技術(shù)，系統(tǒng)能隨時聊天和打斷，帶給用戶更自然對話感。

2、主動交流：系統(tǒng)在檢測到用戶靜默后，會主動發(fā)起聊天，并根據(jù)用戶的歷史偏好進行對偏好垂類的新聞進行語音播報。

3、持續(xù)長對話：可支持跟用戶長時間對話互動，在用戶休閑、健身、出行途中進行可持續(xù)陪伴，成為用戶的個人互動播客。

4、情感反應：提供擬人化回復，會感受到用戶情感進行回復。

5、質(zhì)感音色：更自然、更逼真的聲音表達，并且實現(xiàn)情感和語調(diào)的高度還原。

6、風格切換：支持用戶定制聲音風格，如選擇專業(yè)新聞播報的男生音色、英姿颯爽的女生音色等。

7、強大的記憶功能：能夠在對話中追蹤并回憶用戶的偏好和歷史信息，以提升多次對話的準確度。

8、回復真實內(nèi)容：具備實時資訊獲知和知識拓展能力，與用戶進行互動式交流。

那么我們先和Skyo打個招呼，然后再一口氣問它一系列“難題”考考它，并且“故意”隨時打斷它：

1、對中國男子足球能否取得世界冠軍，有什么看法？

2、28+76=？

3、對于一個單身男青年，可以推薦他晚上看什么電影。

4、在十字路口，一輛直行車，一輛右轉(zhuǎn)車，請問誰應該讓行？

5、天空為什么是藍色的？

Skyo的回答還是非常流暢的，在發(fā)音準確度、音質(zhì)表現(xiàn)和整體聽感上的表現(xiàn)都非常出色，不僅主動介紹自己可以提供科技和生活的資訊，還主動拋出橄欖枝，詢問有什么想要了解的，試圖開啟話題。

無論是主動問好、回答生活常識，還是讓它做數(shù)學題、為我們提供一些日常建議，Skyo都可以迅速接住用戶要求。如果不喜歡它的默認男聲音色，還可以讓它切換音色，以英姿颯爽的女聲、溫柔甜美的女聲來回復我們。

盡管我們粗暴地打斷它，“我不想聽了”、“下一個話題”，或者什么都不說，直接切換到下一個問題，Skyo的情緒非常穩(wěn)定，并且做到了立馬停止上一個話題的回復，無縫切換到下一個對話中。Skyo前一秒還在談論“國足”，下一秒就絲滑切換到做數(shù)學題，并立馬回應“這是一道加法題”，也瞬間回答出“等于104（正確答案）”。

此外，交通道路規(guī)則和常識問題也難不倒它。即便再加難度，讓它推薦電影，回答的也是有模有樣，展現(xiàn)出“真人”一樣的高質(zhì)量內(nèi)容。看得出來，Skyo具備了基本的智力能力和流暢的響應速度。

接下來，我們試試Skyo對一些「嚴肅話題」和「實時新聞」的反應能力：

1、周末（11月16日）北京天氣怎么樣？

2、北京平常下雨多嗎？

3、特朗普再次當選總統(tǒng)，你怎么看？

4、李子柒上傳了一個新視頻，你看了嗎？

5、怎么樣區(qū)分真誠的道歉和虛偽的道歉？

6、什么情況下，說謊是個正確的選擇？

果不其然，天氣分析、熱點評論、辯證思考......通通不在話下。

針對嚴肅話題和熱點新聞，Skyo能回復真實內(nèi)容，回答的“有模有樣”，邏輯清晰、論點清晰、證據(jù)真實，既能對美國總統(tǒng)競選給出一些資訊分析，也能對時隔三年攜最新作品驚艷回歸的李子柒做出點評。

同樣的，Skyo頻頻被打斷，也沒有“崩潰”，還是順暢的跳轉(zhuǎn)到了下一段對話。即使第一次沒有聽清楚我們說的內(nèi)容，或認為自己答的不夠好，它還可以自己調(diào)整，重新回答一遍，并且幽默說道“不好意思，看來沒有回答的很好哦”。除了“智商感”滿滿，Skyo的回答也頗具情商，在回答一些”充滿陷阱”的問題時，它同樣透露出一些小智慧。

面對“什么時候說謊是正確的選擇”這樣的哲學性問題，Skyo能為我們分析出“為了避免傷害他人感情、保護隱私等時候，說謊可能是一個合適的選擇”。

最后，我們換一些輕松的話題，來看看它對一些日常話題的回答效果：

1、幫我讀一首《再別康橋》

2、那你知道康橋是什么地方嗎？

3、既然聊到英國，有多少種來自英國的貓?

4、如果動物可以說話，它們會說些什么?

5、應該多喂我的貓吃貓糧還是罐頭?

6、為什么感覺抱十公斤的小孩要比抱十公斤的大米要輕？

不難看出，面對輕松的日常話題，Skyo也可以做到有趣的互動，做你的個性化陪聊搭子。

當然，除了上述的對話場景，我們還可以讓Skyo幫我們制定一次旅行計劃、給我們講個笑話、推薦周末的閱讀清單等等。但它的能力遠不止于此，當我們疲憊或難過的時候，它也還可以做我們的情感陪伴，當我們想了解和談論近期熱點事件時，它也能和我們來一場頭腦風暴。

2024年以來，在“All in AGI 與 AIGC” 戰(zhàn)略的推動下，昆侖萬維在基座大模型迭代、AI應用發(fā)展、商業(yè)化變現(xiàn)三大維度上均取得了令人矚目的發(fā)展。目前公司仍在持續(xù)加大AI大模型及各垂類行業(yè)應用的研發(fā)力度，專注于以AI技術(shù)驅(qū)動多元化應用創(chuàng)新，為公司未來增長夯實基礎。

我們將充分發(fā)揮公司在多模態(tài)大模型上的研發(fā)和應用經(jīng)驗，致力于通過先進的技術(shù)框架和更契合用戶需求的系統(tǒng)，將Skyo打造成一個具備情感表達能力、快速響應能力、多語言流暢切換的智能語音對話工具，為用戶帶來溫暖貼心、流暢實時的對話體驗。

近期， Skyo將于12月份上線昆侖萬維旗下天工APP，很期待它與大家的見面！