声网对话式AI引擎如何让DeepSeek开口说话？

声网对话式AI引擎发布背景

市场需求与技术趋势

随着大模型从单一模态走向多模态，语音成为关键切入点。市场对能让大模型开口说话的技术需求日益增长。在这种趋势下，声网凭借在音视频领域的深厚积累，决定将自家RTE技术与生成式AI结合，以满足市场需求并顺应技术发展潮流。这不仅是对大模型发展的一种响应，也是声网拓展业务领域的重要契机。

声网的企业战略

声网是一家专注于实时互动云服务的企业。在面对大模型发展带来的机遇时，声网意识到可以利用自身在音视频方面的优势，开发出一款能够与AI实时互动的工具产品。这有助于声网从专注于人与人的交流转向人与机器的交流领域，为企业开辟新的业务方向，提升企业在AI领域的竞争力。

对话式AI引擎的开发过程

团队组建与工作模式

在DeepSeek爆火后，声网迅速行动。春节期间，从内部不同部门调度十几位核心骨干，组建专门团队。这个团队采用类似高考备战的工作模式，大家集中在一个“小黑屋”里，不同条线的负责人共同决策、快速推进项目。室内放置白板，每天更新倒计时日期，这种紧张的氛围促使团队高效工作。

产品从构思到上线

其实早在半年前，这个产品的构思就已经开始。随着DeepSeek的热潮，项目加速推进。除夕上线PrivateBeta版本，首批开发者和客户让DeepSeek开口拜年。之后经过不断完善，2月18日掏出PublicBeta版本，到3月上旬发布时已达到可商用状态。整个过程充满挑战，但团队通过不断尝试和改进，逐步实现产品的优化。

对话式AI引擎的功能与优势

功能拆解

对话式AI引擎具备多项独特功能。例如AI语音秒回、对话人声锁定、智能打断、全模型适配等。这些功能在响应延迟方面表现出色，以毫秒为单位压缩，中位数能达到650ms。在对话体验上，“选择性注意力锁定”功能可有效屏蔽环境人声和噪声干扰，即使在丢包率80%、断网3-5s等情况下，也能保持稳定流畅对话。

开发与价格优势

在开发部署上，程序员只需两行代码、15分钟，填入与复制LLM与TTS相关的URL与Key后即可快速部署。价格方面也具有很大优势，AI语音对话0.098元/分钟，自研的“智能打断”功能作为增值服务定价0.042元/分钟，还一次性给予所有开发者1000分钟免费额度。经过计算，用户使用成本非常低，这使得更多人能够使用该产品。

对话式AI引擎的应用场景与未来展望

应用场景

对话式AI引擎可应用于多个场景，开发者可部署的场景包括智能助手、虚拟陪伴、口语陪练等。目前已经落地十几种场景，其中陪伴类场景较多，智能硬件方面的需求也不少。例如让DeepSeek陪伴孩子，能快速互动，满足孩子的好奇心。

人机交互的未来

从人机交互的未来发展来看，这一引擎推动了从人与人的交互向人与机器的交互的转变。这可能是一个更大变革的开端，也许未来所有触摸式和键盘式的交互都会变成语音式。对话式AI引擎所推动的对话式Agent，横跨模态感知和模态融合，吸收多种价值，虽然当前版本不是万能的，但未来会不断拓展功能。

相关问答

声网对话式AI引擎有哪些独特功能？

声网对话式AI引擎具有AI语音秒回、对话人声锁定、智能打断、全模型适配等功能，还有“选择性注意力锁定”功能可应对环境干扰。

声网开发对话式AI引擎的团队是如何组建的？

声网在春节期间从内部不同部门调度十几位核心骨干组建专门团队，这些成员来自产品、研发等不同条线。

对话式AI引擎的开发部署复杂吗？

不复杂。程序员只需两行代码、15分钟，填入与复制LLM与TTS相关的URL与Key后就可实现快速部署。

对话式AI引擎的价格是如何确定的？

声网团队经过激烈讨论和反复商量确定价格，0042元/分钟，还有免费额度。

对话式AI引擎可应用在哪些场景？

可应用于智能助手、虚拟陪伴、口语陪练等场景，目前陪伴类场景较多，智能硬件方面也有需求。

声网对话式AI引擎对人机交互未来发展有何意义？

推动人机交互从触摸式和键盘式向语音式转变，对话式Agent横跨模态感知和模态融合，为未来发展奠定基础。