Soul内测全双工通话大模型：虚拟人交互迎来“活人感”时代

🌟 产品介绍

Soul App（所属公司：上海任意门科技有限公司）在2025世界人工智能大会（WAIC）宣布，即将内测自研端到端全双工语音通话大模型。此次升级摒弃传统语音活动检测（VAD）机制，赋予AI自主决策对话节奏的能力，让虚拟人可像真人一样“边听边说”“主动插话”，甚至感知环境与情绪变化，大幅提升交互沉浸感。

👥 适用人群

⚙️ 核心功能与技术解析

1. 自主决策对话节奏

   • 功能：AI主动打破沉默、适时打断用户、支持并行发言（如辩论或合唱）。
   • 技术原理：基于流式响应预测架构（Response-Listen-Interrupt），通过纯自回归模型统一文本与音频生成，动态控制对话状态。

2. 多维度环境感知

   • 功能：根据时间（如“天黑了”）、环境噪音、事件触发对话策略调整。
   • 技术原理：融合多模态输入（语音/环境音/上下文），利用大语言模型（LLM）实时生成情境化回应。

3. 超拟人化表达

   • 功能：模拟语气词、结巴、情绪起伏（如开心转难过），支持方言和即兴创作。
   • 技术原理：端到端模型跳转文本中间层，保留语音中的副语言信息（Para-linguistic Features）。

4. 多人场景AI主持

   • 功能：在群聊派对中管理秩序、延展话题，捕捉用户共鸣点催化社交关系。
   • 技术原理：双通道token预测（NTPP范式），独立处理多用户语音流并分配响应权。

5. 实时视频生成融合

   • 功能：结合全双工语音与动态人像视频，展示虚拟人形象与场景。
   • 技术原理：实时视频生成技术（CVPR 2025成果）与语音模型协同，塑造立体数字人格。

💡 工具使用技巧

• 快速激活AI互动：在1V1通话中说“我觉得今天好累”，触发AI情感疗愈模式，提供情绪疏导。
• 多人场景增效：开启群聊派对时，用“小可，帮我们选个话题”指令启动AI主持人，自动引导讨论方向。
• 个性化定制：输入“用东北话聊美食”，AI自动切换方言与话题风格，适配用户偏好。

🔗 访问地址

• Soul App全双工功能内测申请：https://www.soulapp.com/full-duplex（预计2025年8月开放）
• WAIC 2025技术展示回顾：https://www.cnfin.com/gs-lb/detail/20250727/4275747_1.html

划重点：Soul的突破不仅是技术升级，更是对社交本质的重构——当AI能主动说“你刚才停顿了，是不是有烦心事？”，人与机器的情感共生时代才真正来临。