文小言上新：能方言交流、會(huì)拍照解題、能生成吉卜力風(fēng)圖片和視頻

3月31日消息，在百度推出最新最強(qiáng)多模態(tài)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正式功能升級(jí)。

此次升級(jí)，文小言聚焦模型開(kāi)放與功能創(chuàng)新，支持多模型融合調(diào)度，升級(jí)全新語(yǔ)音大模型、圖片問(wèn)答、AI生圖生視頻等多項(xiàng)能力，為用戶帶來(lái)更智能、更高效的AI體驗(yàn)。

其中，文小言此次升級(jí)的核心亮點(diǎn)在于“多模型融合調(diào)度”。通過(guò)整合百度自研的文心X1、文心4.5等頂尖模型，并接入DeepSeek-R1、可靈等第三方優(yōu)質(zhì)模型，文小言實(shí)現(xiàn)了多模型間的智能協(xié)同。

接入全新的端到端語(yǔ)音語(yǔ)言大模型后，文小言不僅能支持更擬真的語(yǔ)聊效果，而且支持重慶、廣西、河南、廣東、山東等特色方言。據(jù)介紹，語(yǔ)音大模型具備極低的訓(xùn)練和使用成本，極快的推理響應(yīng)速度，語(yǔ)音交互時(shí)，可將用戶等待時(shí)長(zhǎng)從行業(yè)常見(jiàn)的3-5秒降低至1秒左右。

圖片問(wèn)答功能讓用戶可以通過(guò)拍攝或上傳圖片，以文字或語(yǔ)音提問(wèn)直接獲取深度解析。

目前，以上這些大模型能力，用戶在文小言APP內(nèi)選擇“自動(dòng)模式”，即可一鍵調(diào)用最優(yōu)模型組合，也可以根據(jù)需求靈活選擇單一模型完成特定任務(wù)。

從用戶角度來(lái)看，目前的文小言不僅能聽(tīng)得懂方言、能跟用戶直接方言交流外，還可以“化身”老師解題答疑。

最近，OpenAI的多模態(tài)大模型GPT-4o因能生成吉卜力動(dòng)漫風(fēng)的圖片而大受追捧?，F(xiàn)在，文小言不僅能通過(guò)文生圖來(lái)生成吉卜力風(fēng)的圖片，還能生成該風(fēng)格的視頻。

百度AI產(chǎn)品創(chuàng)新業(yè)務(wù)負(fù)責(zé)人薛蘇強(qiáng)調(diào)：“AI的未來(lái)不再是單純的技術(shù)參數(shù)比拼，而是如何通過(guò)多模型協(xié)同，真正為用戶創(chuàng)造價(jià)值。文小言希望通過(guò)開(kāi)放生態(tài)，整合頂尖模型能力，做出更強(qiáng)大、更簡(jiǎn)單的AI產(chǎn)品?！?/p>

那么就一起來(lái)看看文小言的表現(xiàn)：

1、讓文小言設(shè)計(jì)三種風(fēng)格的南偏東客廳效果圖

文小言能夠精準(zhǔn)解析裝修風(fēng)格差異，調(diào)用文心X1完成深度推理，生成三幅風(fēng)格迥異但視角一致的裝修效果圖，圖文混排專業(yè)講解，效果更直觀。

2、拍攝一道數(shù)學(xué)題，讓文小言解題

將上述數(shù)學(xué)題用文小言拍照輸入，文小言就給出了一下解答結(jié)果。

還實(shí)時(shí)生成了一個(gè)由數(shù)字人講解的解說(shuō)視頻。

3、讓文小言生成吉卜力風(fēng)格圖片和視頻

在文小言app中選擇圖片創(chuàng)作，或者直接在對(duì)話框中輸入希望生成的圖片的描述，

例如：

請(qǐng)畫(huà)一個(gè)宮崎駿風(fēng)格圖片，比例為9:16，內(nèi)容為個(gè)女孩站在盛開(kāi)的櫻花樹(shù)下，身旁有小貓咪。女孩扎著麻花辮，仰頭望向櫻花樹(shù)，欣賞飄落的櫻花。背景是戶外鄉(xiāng)村環(huán)境，有一棵櫻花樹(shù)，粉色櫻花密集綻放，本古樸木屋。地面上綠草如茵，

整體氛圍清新、寧?kù)o、美好，充滿春日的生機(jī)與愜意。

文小言就會(huì)生成2張相關(guān)圖片。

然后，選擇“視頻生成”按鈕，文小言就能根據(jù)圖片生成一段5s中的小視頻。

4、講方言

文小言會(huì)說(shuō)多種方言，包括重慶話、河南話、廣西話等都能聊。可以去聽(tīng)一聽(tīng)它講得怎么樣。

百度語(yǔ)音首席架構(gòu)師賈磊透露，文小言接入了百度在業(yè)界首個(gè)推出、基于全新互相關(guān)注意力(Cross-Attention)的端到端語(yǔ)音語(yǔ)言大模型。在語(yǔ)音場(chǎng)景滿足一定交互指標(biāo)下，大模型調(diào)用成本比行業(yè)平均降低50%-90%，推理響應(yīng)速度極快，將語(yǔ)音交互等待時(shí)間壓縮至1秒左右，極大提升了交互流暢性。同時(shí)，在大模型加持下，實(shí)現(xiàn)了流式逐字的LLM驅(qū)動(dòng)的多情感語(yǔ)音合成，情感飽滿、逼真、擬人，交互聽(tīng)感也得到極大提升。（宜月）

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。