【TechWeb】3月31日消息，在百度推出最新最强多模态大模型文心4.5和推理大模型文心X1后，今天百度旗下AI助手文小言APP正式功能升级。
此次升级，文小言聚焦模型开放与功能创新，支持多模型融合调度，升级全新语音大模型、图片问答、AI生图生视频等多项能力，为用户带来更智能、更高效的AI体验。
其中，文小言此次升级的核心亮点在于“多模型融合调度”。通过整合百度自研的文心X1、文心4.5等顶尖模型，并接入DeepSeek-R1、可灵等第三方优质模型，文小言实现了多模型间的智能协同。
接入全新的端到端语音语言大模型后，文小言不仅能支持更拟真的语聊效果，而且支持重庆、广西、河南、广东、山东等特色方言。据介绍，语音大模型具备极低的训练和使用成本，极快的推理响应速度，语音交互时，可将用户等待时长从行业常见的3-5秒降低至1秒左右。
图片问答功能让用户可以通过拍摄或上传图片，以文字或语音提问直接获取深度解析。
目前，以上这些大模型能力，用户在文小言APP内选择“自动模式”，即可一键调用最优模型组合，也可以根据需求灵活选择单一模型完成特定任务。
从用户角度来看，目前的文小言不仅能听得懂方言、能跟用户直接方言交流外，还可以“化身”老师解题答疑。
最近，OpenAI的多模态大模型GPT-4o因能生成吉卜力动漫风的图片而大受追捧。现在，文小言不仅能通过文生图来生成吉卜力风的图片，还能生成该风格的视频。
百度AI产品创新业务负责人薛苏强调：“AI的未来不再是单纯的技术参数比拼，而是如何通过多模型协同，真正为用户创造价值。文小言希望通过开放生态，整合顶尖模型能力，做出更强大、更简单的AI产品。”
那么就一起来看看文小言的表现：
1、让文小言设计三种风格的南偏东客厅效果图
文小言能够精准解析装修风格差异，调用文心X1完成深度推理，生成三幅风格迥异但视角一致的装修效果图，图文混排专业讲解，效果更直观。
2、拍摄一道数学题，让文小言解题
将上述数学题用文小言拍照输入，文小言就给出了一下解答结果。
还实时生成了一个由数字人讲解的解说视频。
3、让文小言生成吉卜力风格图片和视频
在文小言app中选择图片创作，或者直接在对话框中输入希望生成的图片的描述，
例如：
请画一个宫崎骏风格图片，比例为9:16，内容为个女孩站在盛开的樱花树下，身旁有小猫咪。女孩扎着麻花辫，仰头望向樱花树，欣赏飘落的樱花。背景是户外乡村环境，有一棵樱花树，粉色樱花密集绽放，本古朴木屋。地面上绿草如茵，
整体氛围清新、宁静、美好，充满春日的生机与惬意。
文小言就会生成2张相关图片。
然后，选择“视频生成”按钮，文小言就能根据图片生成一段5s中的小视频。
4、讲方言
文小言会说多种方言，包括重庆话、河南话、广西话等都能聊。可以去听一听它讲得怎么样。
百度语音首席架构师贾磊透露，文小言接入了百度在业界首个推出、基于全新互相关注意力(Cross-Attention)的端到端语音语言大模型。在语音场景满足一定交互指标下，大模型调用成本比行业平均降低50%-90%，推理响应速度极快，将语音交互等待时间压缩至1秒左右，极大提升了交互流畅性。同时，在大模型加持下，实现了流式逐字的LLM驱动的多情感语音合成，情感饱满、逼真、拟人，交互听感也得到极大提升。（宜月）
0 条