3月31日，在百度AI DAY上，百度發(fā)布業(yè)界首個基于全新互相關注意力(Cross-Attention)的端到端語音語言大模型，實現(xiàn)超低時延與超低成本，在電話語音頻道的語音問答場景中，調用成本較行業(yè)均值下降約50%-90%。當日，文小言宣布品牌煥新，率先接入該模型，還帶來多模型融合調度、圖片問答等功能升級。

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

更新后的文小言還支持“多模型融合調度”，通過整合百度自研的文心X1、文心4.5等頂尖模型，并接入DeepSeek-R1等第三方優(yōu)質模型，實現(xiàn)了多模型間的智能協(xié)同。用戶可以選擇“自動模式”，一鍵調用最優(yōu)模型組合，也可根據(jù)需求靈活選擇單一模型完成特定任務，大幅提升響應速度與任務處理能力。

打開網(wǎng)易新聞 查看精彩圖片

同時，文小言還加強了圖片問答功能，用戶拍攝或上傳圖片，以文字或語音提問即可直接獲取深度解析。例如，拍攝一道數(shù)學題可實時生成解題思路與視頻解析；上傳多款商品圖可對比參數(shù)、價格，輔助購物決策；拍攝杯子設計圖后，AI可自動解析風格并生成同款手機殼、支架等周邊產(chǎn)品。