在6月11日舉辦的FORCE原動力大會上，火山引擎正式發(fā)布豆包大模型1.6、豆包·視頻生成模型Seedance 1.0 pro、豆包·語音博客模型，同時(shí)豆包·實(shí)時(shí)語音模型在火山引擎全量上線。至此，豆包大模型家族已形成全模態(tài)、全尺寸、高性價(jià)比的領(lǐng)先模型矩陣。

隨著大模型技術(shù)的迭代演進(jìn)，新一輪科技革命與產(chǎn)業(yè)變革正蓬勃興起，同時(shí)也重塑著新一代生活方式。在此進(jìn)程中，AI多模態(tài)交互大模型的加速發(fā)展，正推動人機(jī)交互邁入全新時(shí)代?；鹕揭嬷χ悄芙K端廠商通過AI多模態(tài)交互大模型實(shí)現(xiàn)更具擬人化的互動體驗(yàn)，使其能夠通過視覺、聽覺等多通道響應(yīng)交互需求，充分還原人與人之間的交互模式，讓溝通更沉浸、讓交流更自然。

多模態(tài)交互，讓AI助理“人味兒”十足

人類通過視覺、嗅覺、聽覺、觸覺等多元感官認(rèn)知世界，因此文字、照片、視頻、音樂等多元載體，成為日常記錄與交流的媒介。過去，用戶與AI助理的互動僅限于通過語音識別匹配指令，是基于“指令”進(jìn)行的機(jī)械交互，無法理解和感知用戶的真實(shí)需求。這些真實(shí)需求有些是包含在上下文中，冗長的上下文帶有大量的近義表達(dá)方式；有些文字無法描述的，需要配合圖片、音樂旋律、視頻等多種方式讓終端感知并反饋。如今，隨著豆包大模型能力的持續(xù)進(jìn)化與落地應(yīng)用，火山引擎為智能終端注入全新交互動能，推動用戶體驗(yàn)實(shí)現(xiàn)質(zhì)的躍升。

當(dāng)手機(jī)成為生活的全能助手，深刻融入并重塑著日常生活與工作方式，OPPO 與火山引擎攜手合作，引入豆包語音大模型，為用戶開啟了一段全新的智能交互之旅。在豆包語音大模型的支持下，即使用戶身處嘈雜環(huán)境或面對口音多樣化情形時(shí)，小布助手也能識別用戶語音并轉(zhuǎn)化為文本，確保語音輸入的準(zhǔn)確性。同時(shí)，還能通過模擬多樣化的音色、語氣和語調(diào)，使用戶在接收信息時(shí)仿佛與真人交流。

新潮智能手機(jī)品牌努比亞在全場景接入多款豆包大模型后，成功打造了全鏈路多模態(tài)智能助手「小星」。借助豆包大模型的深度語義理解能力，「小星」能夠?qū)崿F(xiàn)高效的交互體驗(yàn)，用戶可以直接對屏幕上的圖片、地址、文字等信息進(jìn)行語音提問，也可以通過“畫圈”方式圈選關(guān)鍵內(nèi)容進(jìn)行交互，真正做到“指哪搜哪”“即圈即用”。

AI技術(shù)升維，全場景交互使用更便捷

在互聯(lián)網(wǎng)、5G+及軟硬件技術(shù)的協(xié)同驅(qū)動下，手機(jī)正作為智慧終端成為工作生活中不可或缺的“智能伙伴”。依托豆包大模型的AI多模態(tài)交互能力，端內(nèi)AI助理能在多種復(fù)雜交互場景中，實(shí)現(xiàn)精準(zhǔn)響應(yīng)，為用戶帶來更順暢的AI交互體驗(yàn)，推動生活方式向高效便捷升級。

借助豆包大模型的理解能力，OPPO手機(jī)端側(cè)可實(shí)現(xiàn)精準(zhǔn)信息召回。當(dāng)用戶想要搜索信息時(shí)，AI意圖搜索將統(tǒng)一入口，支持模糊搜索與全局搜索，打破文檔、便簽、照片等界限，匯總并精煉相關(guān)內(nèi)容。同時(shí)，利用火山引擎大模型聯(lián)網(wǎng)Agent，在小布助手內(nèi)實(shí)現(xiàn)圖文并茂全新體驗(yàn)，告別純文本回復(fù)。

借助豆包大模型及火山方舟平臺提供的內(nèi)容插件，在三星 Galaxy Z 系列手機(jī)上，當(dāng)用戶通過Bixby語音助手搜索旅行相關(guān)時(shí)，三星 Galaxy AI會搜索并結(jié)合優(yōu)質(zhì)內(nèi)容源，為用戶提供優(yōu)質(zhì)且準(zhǔn)確的聯(lián)網(wǎng)信息，并以短視頻內(nèi)容卡片的形式展現(xiàn)給用戶，實(shí)現(xiàn)與用戶高質(zhì)量的問答互動。

從早期的圖像識別、語音識別，到后續(xù)的自然語言處理技術(shù)突破，人機(jī)交互方式始終在迭代進(jìn)化的軌道上持續(xù)前行。目前，全球Top10手機(jī)廠商中，有9家與火山引擎深度合作，豆包大模型已覆蓋4億終端設(shè)備。當(dāng)AI與生活深度相融，火山引擎將以云+AI技術(shù)為核心，持續(xù)為智能終端市場注入創(chuàng)新動能，讓交互更有溫度，讓智能終端更“懂”用戶。