猫眼电影
猫眼电影记者 卡图纳 报道y85ouztigy6ysf5y
鱼羊 发自 凹非寺量子位 | 公众号 QbitAI
没想到，文小言接入推理模型的大更新背后，百度还藏了一手“质变”级技术大招？？？
士别三日，文小言不仅能讲重庆话了，还是成了哄娃的一把好手，被花式打断照样应对如流。
实测下来，Demo不虚。这个全新语音对话功能，确实更有人味儿了，还是能紧贴当下实事的那种——
只是让Ta推荐周末放松去处，Ta自己就能主动结合当前4、5月份的现实时间，给出更加合理的建议。
划重点，这是免费的。现在你也一样可以打开手机里的文小言，直接体验这一全新升级的实时语音对话功能。
但！是！
如果单说语音体验，那还真不是这个“大招”的重点。关键是，这回百度还透露了更多技术细节。
我们仔细一看，还真是有意思了。
首先，上来就是一个行业首创：以上实时语音对话效果，由百度全新推出的端到端语音语言大模型实现，这是行业首个基于Cross-Attention的跨模态语音语言大模型。
有何不同？站在用户体验的角度来说，就是语音合成延迟更低，对话更真实有情感。
而更重要的一点是，这么个新模上线，文小言在语音问答场景中的调用成本，最高能降低90%！直接打掉了工业级落地的门槛。
（再也不怕模型厂流量大到挂我服务.jpg）
我们注意到，百度语音首席架构师贾磊，其实用到了“质变”这个词：
百度端到端语音语言大模型是有质变的，不是单纯把文本大模型用到语音领域。语音场景有其独特之处。此前，大家没有充分挖掘这个应用场景的不同，还是按照把文本大模型用到语音场景的路线，把速度加快一下，工程优化一下。我们的创新架构，让大模型在语音场景中的应用实现了极低成本，更有利于大模型普及。
就是说，这一次语音技术的更新，不仅仅是工程上的技巧，百度正在通过技术创新，打通大模型落地语音场景的工业级应用新范式。
行业首个基于Cross-Attention的端到端语音语言模型
话说到这了，咱们就来一起仔细扒一扒背后技术方案，看看究竟是怎么一回事。
先给大家划个重点：
熟悉大模型的小伙伴都知道，KV cache能够加速自回归推理，但其在存储和访问上的开销，也会随着序列长度和模型规模增大而爆炸式增长。
因此在保证模型性能的前提下，降低KV cache，对于大模型应用来说，是提升推理效率、降低成本的一大关键。
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
我们一项一项展开来看。
基于Cross-Attention的跨模态语音语言大模型
整体上，这个端到端语音语言大模型是基于Self-Attention的文心预训练大模型，采用自蒸馏的方式进行后训练得到。训练数据为文本和语音合成数据的混合。整个模型采用MoE结构。
关键点在于，在端到端语音识别中，声学模型也是语言模型，因此在整合语音识别和大语言模型的过程中，能够通过将大语言模型中的Encoder和语音识别的过程融合共享，达到降低语音交互硬延迟的目的。
而在语音领域，Cross-Attention天然具有跨模态优势：Decoder会显式地将Encoder输出纳入注意力计算，使得Decoder在每一个解码步骤都能动态访问最相关的输入向量，从而充分地对齐和利用跨模态信息。
基于Cross-Attention的高效全查询注意力技术（EALLQA）
不过，Cross-Attention的引入带来了另一个问题：MLA的位置编码技术，在Cross-Attention中容易出现不稳定的现象。
为此，百度语音团队提出了高效全查询注意力技术（EALLQA）：
采用创新的隐式RNN两级位置编码，训练时是在128空间上的MHA，推理时是在模型各层共享的512空间上的MQA（AllQA）。既充分利用了有限的训练资源，也极大地降低了推理成本。
从具体效果上来说，EALLQA技术能使KV cache降至原来的几十分之一，并将Cross-Attention的最近上一个问题的KV计算降至原来的十分之一，极大降低了语音交互时用户的等待时间和模型推理成本。
降低成本的另一个关键，则是Encoder和语音识别系统的融合：对Query理解的模型较小，能极大减少KV计算。
流式逐字的LLM驱动的多情感语音合成
训练、推理成本的降低之外，端到端语音语言大模型还通过语音模型和语言模型的融合，实现了文体恰当、情感契合、自然流畅的合成音频的生成。
一方面，研发团队通过大规模文本-语音数据自监督预训练，构建语义+韵律的离散化特征空间，通过双层GPT-like Transformer，实现了韵律、音色双Prompt控制机制。
另一方面，在此基础之上，研发团队推出了语音语言大模型与合成一体化流式逐字合成。
有别于传统语音合成的整句输出，流式逐字相当于一个字一个字地合成。在这个过程中，语言大模型能够指导语音模型去生成情感、停顿，识别多音字等等，实现更为拟人、自然的语音合成效果。
需要注意的是，人耳接收信息实际上是一个字一个字地接收，但对于AI而言，如果1个token接1个token的输出，就需要解决并发的问题，以使MoE架构最大程度发挥作用。
流式逐字合成要解决的核心问题，就是在适配人听力的基础上，实现高并发。
通过引入流式逐字合成，百度端到端语音语言大模型有效提升了语音交互的响应速度，同时降低了语音交互领域使用大模型成本。与大模型融合的TTS文体风格情绪控制，还可以根据文本输出自适配的情况，情感覆盖达到17种。
简单总结一下，百度的端到端语音语言大模型，一方面是重点解决了大模型应用于语音交互场景成本高、速度慢的问题。
另一方面，大语言模型带来的语义理解等能力，也解决了传统语音交互中，同音字识别、打断、真实情感等痛点。
贾磊透露，目前，整个端到端语音语言大模型在L20卡上即可部署，在满足语音交互硬延迟要求的情况下，双L20卡并发可以做到数百以上。
极低成本是关键
说了这么多，最主要的关键词其实就是：低成本。
在与贾磊的进一步交流中，他向我们强调了降低成本的重要性：
极低成本就意味着大规模工业化变得非常容易。2025年，大模型的核心并不在于展示什么新功能，而是能以多快速度真正应用到国计民生中去。
在不考虑计算资源的情况下，实时语音交互有其他路径可以实现，但“我们今天是第一个做到跨模态端到端极低成本解决语音问题的”。
贾磊还表示，希望语音领域的这一突破创新能被行业更多地关注到。
我们想要把核心技术分享出去，告诉大家我们是怎么做的，以此推动整个领域的爆发。
事实上，不仅是百度，在包含语音的大模型能力对外输出上，国内外厂商都将价格视作突破口。
OpenAI就专门从性价比出发，推出了GPT-4o mini audio，希望以更低廉的价格打入语音应用市场。
2025年，基础模型方面，模型厂商在推理模型上争相竞逐，而其带来的最直接的影响之一，是人们对于大模型应用加速爆发预期的持续升温。在这个过程中，我们可以看到，站在模型厂商的角度，更多的模型在被开源，更多的服务在免费开放，用户认知、关注的争夺之中，成本本身正在变得更加敏感。
更不用提成本即是大规模应用的关键：不仅是在模型厂商们的APP上，还要进一步走进手机、汽车……
正如DeepSeek在基础模型领域搅动池水，现在，百度也在语音领域迈出关键一步。
成本，正在成为当前阶段模型厂商获得主动权的重要突破口。
One More Thing
从文小言的语音交互架构图中还可以看到，它像是个语音版百度搜索。
正如文章开篇我们体验到的，文小言能结合当前的季节对用户问题给出更合理的回答。实际上，在语音功能中，文小言已经支持多垂类助手能力，包括天气、日历查询、单位换算、股价股票等信息查询内容，共计38个垂类。
还支持DeepQA RAG问答，包含百度查询等时效性问答内容，能结合检索结果，做到更精准的指令跟随；支持DeepQA非RAG问答，包含常识问答等非时效性问答内容。
“有问题，问小言”的这个“问”字，确实是越来越接近人类原本的交互习惯了。
这实际也是产业趋势的一种映射——
之前都是大模型技术探索，需要不断适配才能落地产品、形成应用，最后被用户感知。
现在这是大模型技术和产品应用，几乎在同时对齐，技术推进的时候就瞄准了应用场景，应用场景也能催生更适合的技术，不是锤子找钉子，而是锤子钉子同时对齐。
大模型依然是AI世界的核心，但天下却正在变成应用为王的天下。
百度，或者说中国AI玩家，开始找到自己的节奏了。
— 完 —
??时事1：男人把小伸进男人的
??04月05日,应对直播乱象，“线上+线下”共同治理不可少,
“你们两个过来。”小不点盯着两人，大声呵斥，而后又看向蛟鹏，点指三人，道：“你们三个一起上吧！”
,三国婬肉版游戏800MB。??04月05日,长期喝咖啡会致反流性咽喉炎？,
“来这里！”一团柔和的绿光散发，前方出现焦黑的柳树，它扎根天地间，引领小不点前进。
,女被❌c🐻黄扒衣服一区二区,少萝疯狂❌喷水自慰网站,小鲜肉GAY洗澡自慰AV。??时事2：美女被猛网站VR
??04月05日,中国三门峡盆地钻获高产工业油流,
学校及周边安全教育国旗下 篇11
,被扒开腿猛戳流出白色液体,小🐤🐤戳进🍑无遮挡日,雏田爆乳被捏胸吃奶的视频。??04月05日,中国航展馆内军歌嘹亮 引观众集体大合唱,
三是要注重学习，学以致用。在学习方面，我们要带着问题去学习、去思考。例如：新农合是怎样收取的?是怎样发展的?只有结合自身的实际，带着问题去听取授课教师的讲课，才能更好地学到所需要的知识，从而提高处理各种问题的能力。
,加微信看AV片,涩涩漫画网站入口,小🐔🐔伸进🈲🔞🔞漫画。??时事3：高潮➕国产➕视频➕AV2023
??04月05日,经WTO机制解决ECFA问题？国台办指台方企图将台湾问题“国际化”四川石渠县发生4.7级地震 暂无人员伤亡报告,
近两年来，石昊进步神速，老族长所收集的一堆骨书都被他研读了个透彻，造诣极深。他已经到了极尽升华、即将突破到另一领域的地步。
,火影18+黄化板,🌿我～慢点～好爽好大～原神,同性Gay❌❌❌免费网战。??04月05日,防暑科普丨高温来袭 这些防御指南措施要牢记 ,
“离开这里不太好吧。”有仆人站出来阻挠。
,魅魔爆乳巨胸无码动漫在线观看,992Kp快乐看片,女S调教视频丨ⅤK。??时事4：美女的㊙️让男人桶爽2025年
??04月05日,世界针灸学会联合会主席：AI+针灸=无限探索,
半数以上的人都已猜到小不点的身份，知道他有多么的凶残，因此在那些师兄师姐还没有回来的情况下就去一战，依旧是无惧。
,anal♥XXX♥Hentai,别揉我啊嗯～喷水了男男,飞霄将军被C。??04月05日,湖南东安机械化播种油菜 让农闲田不再闲,
目前，我们需要倡导一种蓬勃向上的团队作风，一种脚踏实地的学习，将学风建设的目标指向我们“潜心读书高尚做人爱我母校爱我自己”的校训。好的校风如春风化雨，会不声不响地吸引每个学子奋勇向前，为了理想而努力拼搏。团结奋进的校风和刻苦勤奋的学风会促使每一位学生在良好的环境中成长，校风积极向上，自然能够打造和谐的教育氛围。因此，全校教职工一定要进一步增强大局意识、责任意识。热爱、关心我们的学校，关爱我们的学生，积极钻研业务，努力构建文明、诚实、互助、向上的人际关系，树立“厚德博学、为人师表”的崇高风范和良好形象，认真完成学校交给的各项任务，我相信，我们的校园一定会成为充满书香、充满活力、充满欢乐、充满希望、充满和谐校园。
,NERZ0中文字幕黑人英语会话,变性人CD自慰网站,男模裸J照无遮挡🔞免费。责编：周巍
审核：许小东
责编：伊洛娜