3月的最后一天，文小言進(jìn)行了全面煥新，帶來了多模型融合調(diào)度、全新語音大模型、圖片問答和拍題講解等強(qiáng)大功能升級(jí)。本文將通過實(shí)際體驗(yàn)，深入剖析文小言此次升級(jí)的亮點(diǎn)，探討其在學(xué)習(xí)教育、旅游戶外、日常生活、設(shè)計(jì)創(chuàng)作等場(chǎng)景中的應(yīng)用表現(xiàn)，以及這些升級(jí)如何讓AI交互更智能、更貼近用戶需求。
———— / BEGIN / ————
3 月的 AI 圈持續(xù)熱鬧非凡，先是 AI Agent 領(lǐng)域的 Manus 引發(fā)關(guān)注，隨后 GPT-4o 升級(jí)又在社交平臺(tái)掀起一波“吉卜力風(fēng)”圖片熱潮，讓 AI 視覺生成能力再次成為焦點(diǎn)。
而在 3 月的最后一天，百度的文小言也進(jìn)行了全面煥新，不僅上新了多模型融合調(diào)度、全新語音大模型的能力，同時(shí)也推出了更強(qiáng)大的圖片問答、拍題講解能力。
我第一時(shí)間進(jìn)行了體驗(yàn)，這次升級(jí)不僅讓 AI 交互更智能、更流暢，也讓我更加期待 2025 年 AI 應(yīng)用體驗(yàn)的進(jìn)一步躍升。
接下來，就和大家分享下這次文小言的主要升級(jí)點(diǎn)：
模型開放：多模型融合調(diào)度，打造更強(qiáng)大腦
如果說 OpenAI 正式推出 ChatGPT 標(biāo)志著基于 LLM 的 AI 開始走入大眾視野，掐指一算，現(xiàn)在也已經(jīng)過去了2 年多，但隨著不同模型的推出，背后其實(shí)呈現(xiàn)了一個(gè)共同規(guī)律，那就是模型層的發(fā)展，已經(jīng)開始根據(jù)特定的應(yīng)用場(chǎng)景進(jìn)行能力的深化，無論是針對(duì)視頻領(lǐng)域的 sora，還是近期推出的針對(duì) svg 矢量圖的starVector，都是如此。
但對(duì)于普通大眾用戶而言，要去識(shí)別在不同場(chǎng)景下使用什么模型，是難度很大的一件事，雖然不同模型基本都會(huì)給出在不同應(yīng)用場(chǎng)景下的測(cè)試效果，但這仍依賴一定的專業(yè)背景。
有沒有可能讓用戶只需專注表達(dá)需求，讓產(chǎn)品來智能匹配最適合的模型，自動(dòng)生成最優(yōu)解呢？
我在文小言這次的升級(jí)中看到了一種新的解法，那就是它的“自動(dòng)模式”：
選擇自動(dòng)模式后，文小言會(huì)智能匹配最合適的模式來生成回答，我在自動(dòng)模式下嘗試提問了不同類型的問題，可以看到，在針對(duì)寫詩這類文學(xué)創(chuàng)作，以及一些常識(shí)類的問題時(shí)，借助這個(gè)機(jī)制，可以更快速地獲取我們需要的內(nèi)容，而不是仍通過深度思考在那分析我為啥需要開除濕：
但當(dāng)我提問類似“如何集合自己的需求買保險(xiǎn)”這類復(fù)雜問題時(shí)，文小言則會(huì)自動(dòng)調(diào)用深度思考，給我提供一個(gè)更結(jié)構(gòu)化、更全面的內(nèi)容：
除了“自動(dòng)模式”，我也可以自行選擇使用特定的模型，除了百度最新的文心4.5 和x1 模型外，也可以選擇DeepSeek-R1滿血版，不得不說，這對(duì)于一家在自研模型投入巨大的廠商而言，更顯難能可貴。
基于生態(tài)開放的思路，文小言本質(zhì)是將選擇權(quán)留給了用戶。不僅提升了產(chǎn)品競(jìng)爭(zhēng)力，背后也可以看到，它的產(chǎn)品升級(jí)邏輯已經(jīng)從“技術(shù)突破”轉(zhuǎn)向了“用戶價(jià)值”，比拼的也不再是單一模型能力，而是誰能讓 AI 能力更高效、更便捷地提供給用戶，這種思路在我接下來的體驗(yàn)測(cè)評(píng)中，將更加直觀地展現(xiàn)出來。
全新圖片問答：更全面化的個(gè)人助理
這次文心 4.5 模型和 X1 模型（可以理解為為百度「自研的DS」）的接入，為 AI 的場(chǎng)景應(yīng)用提供了更強(qiáng)大的多模態(tài)理解、深度思考、連續(xù)任務(wù)執(zhí)行等能力，除了可以做到從圖片中抽取更豐富、更準(zhǔn)確的信息，還可以在問答中直接輸出圖文混合的內(nèi)容。
為了更全面地體驗(yàn)到文小言的能力，我在不同的場(chǎng)景里都做了體驗(yàn)測(cè)評(píng)，包括學(xué)習(xí)教育、旅行戶外、日常生活、設(shè)計(jì)、娛樂等方面：
1. 學(xué)習(xí)教育場(chǎng)景
在這個(gè)場(chǎng)景里，我嘗試了大多數(shù)家長(zhǎng)比較頭疼的小孩作業(yè)輔助問題。
在文小言APP里選擇“拍照解題”后，直接對(duì)習(xí)題冊(cè)或試卷拍照，它可以生成不同的解答方案，還提供專業(yè)的講解視頻，可以有效解決過往我們過往輔導(dǎo)作業(yè)時(shí)“只知道問題答案，但難以給小孩講解清楚”的問題，在題干識(shí)別、解答廣度、解答質(zhì)量上，效果都還不錯(cuò)。
2. 旅游戶外場(chǎng)景
在這個(gè)場(chǎng)景里面比較麻煩到的，主要是出國(guó)旅游的時(shí)候，面對(duì)語言環(huán)境的差異，我可能連菜單都看不懂，文小言有可能成為我搞定嗎？
我上傳了一張實(shí)拍的菜單圖片，拍完后讓文小言直接幫我點(diǎn)菜：
可以看到，它不但識(shí)別出了菜單的內(nèi)容和價(jià)格，還結(jié)合我的需求生成了點(diǎn)餐的方案，這個(gè)場(chǎng)景看似簡(jiǎn)單，其實(shí)背后對(duì)多模態(tài)理解能力有極強(qiáng)的要求，不但要能提取到圖片信息，還要對(duì)里面哪些是菜品名、哪些是價(jià)格有內(nèi)容層面的理解，這樣才能對(duì)特定菜品進(jìn)行排除，對(duì)價(jià)格進(jìn)行計(jì)算，從而匹配我的點(diǎn)餐訴求。
除了點(diǎn)餐，在旅游路上看到一些風(fēng)景想了解地點(diǎn)時(shí)，也可以直接通過文小言調(diào)用攝像頭直接拍照，它結(jié)合圖片搜索地點(diǎn)，并給我回復(fù)：
3. 日常生活場(chǎng)景
生活場(chǎng)景里我重點(diǎn)體驗(yàn)的是比較復(fù)雜的消費(fèi)決策場(chǎng)景，第一個(gè)是裝修。
在這個(gè)場(chǎng)景里，有時(shí)光看樣圖和樣品房很難想象出實(shí)際的裝修效果，這個(gè)時(shí)候結(jié)合文小言的「圖文混排生成能力」有奇效，它可以結(jié)合我描述的戶型情況，生成不同風(fēng)格的裝修效果圖：
第二個(gè)場(chǎng)景是購物場(chǎng)景，在購買食品、化妝品和衣服的時(shí)候，我們經(jīng)常需要看食品配料、化妝品成分，以及衣服的材質(zhì)，但通常要么看不懂，要么是搜索麻煩，現(xiàn)在通過文小言，拍照上傳直接提問就能搞定了：
4. 設(shè)計(jì)創(chuàng)作場(chǎng)景
這是我體驗(yàn)過程中最驚艷的場(chǎng)景之一。只需提供一個(gè)靈感點(diǎn)，文小言就能將其轉(zhuǎn)化為具體的設(shè)計(jì)。例如，我讓它以孫克弘的《玉堂芝蘭圖》為靈感，設(shè)計(jì)一套旗袍，并生成前后效果圖：
在這個(gè)過程中，它得先找到《玉堂芝蘭圖》，然后理解這幅圖的元素特點(diǎn)，再和旗袍圖片的特點(diǎn)進(jìn)行圖生圖的結(jié)合，還得確保不同角度展示的合理性，最終再以圖文混排形式整合輸出——這個(gè)復(fù)雜的過程，如今也簡(jiǎn)化到了用戶輸入一句話就能實(shí)現(xiàn)的程度。
我相信無論是服裝設(shè)計(jì)、珠寶設(shè)計(jì)，還是其他創(chuàng)意設(shè)計(jì)領(lǐng)域，這種靈感創(chuàng)作能力都將極大提升設(shè)計(jì)效率與創(chuàng)作自由度。
全新語音大模型：更會(huì)聊天的文小言
除了像助理一樣幫我們解決各種難題，文小言這次還升級(jí)了全新的語音模型。
據(jù)百度語音首席架構(gòu)師賈磊透露，該模型是百度在業(yè)界首個(gè)推出、基于全新互相關(guān)注意力(Cross-Attention)的端到端語音語言大模型，除了調(diào)用成本比行業(yè)平均降低50%-90%外，在推理響應(yīng)速度上，更是將語音交互等待時(shí)間壓縮至1秒左右，同時(shí)還支持方言對(duì)話、復(fù)雜知識(shí)問答及隨時(shí)打斷等場(chǎng)景。
在這個(gè)語音模型的加持下，體驗(yàn)的提升還是比較明顯，一個(gè)是對(duì)話過程更加自然流暢了，讓整個(gè)互動(dòng)的過程更具“真人感”，另外就是多了講故事、聊方言、角色扮演等好玩的互動(dòng)場(chǎng)景，讓文小言更像一個(gè)貼身陪伴我們的智能伙伴。
總結(jié)
總體來看，這次文小言的全面煥新，不僅讓產(chǎn)品更智能、更好用，在多模型融合調(diào)度的加持下，也讓 AI 生態(tài)更加開放，為用戶提供了更多選擇空間。
無論是語聊的流暢度提升，還是圖片問答、拍題講解等能力的增強(qiáng)，都讓 AI 在實(shí)際應(yīng)用中更高效、更貼近用戶需求。
可以預(yù)見，隨著 AI 技術(shù)的持續(xù)演進(jìn)，文小言還將不斷優(yōu)化，讓智能體驗(yàn)更便捷、更個(gè)性化，也讓開放生態(tài)帶來的價(jià)值進(jìn)一步釋放。
本文來自作者：Way
熱門跟貼