28，令人吃驚的豆包語音功能

龍巖老章2 2025-02-18 發(fā)布于福建

展開全文

試了幾天幾款國產(chǎn)主要AI在文字方面的效果，有點審美疲勞了?？偟恼f來，都是在ChatGPT基礎(chǔ)上的各顯所能。想起當(dāng)初ChatGPT剛剛問世的新鮮感，曾經(jīng)通宵達(dá)旦地與之嬉戲的日日夜夜，如今回憶起來都恍若隔世了。

簡單來說，DeepSeek是通過改變算法而提高了算力，大白話就是壓縮了成本增加了效率。按理說這一提高是可以最終落實在增加數(shù)據(jù)完整性和準(zhǔn)確性的，但是DeepSeek自己也承認(rèn)目前“數(shù)據(jù)不行”。我的測試也無非從另一個角度證明了這一點。它相比ChatGPT如何我沒法對比，至少，它并不比豆包和文小言更加“深度”。

但是真如前文所說的那個IT業(yè)年輕人告訴我的那樣，國產(chǎn)AI的娛樂功能是強大的，這也是不得已后可以發(fā)揮中國年輕工程師才能又有廣大年輕人市場以保證其盈利的緣故吧。而我美國從事IT的同學(xué)看了文章后告訴我，中國在音頻方面的技術(shù)是全球領(lǐng)先的。

咦，這不正體現(xiàn)在豆包身上？據(jù)說現(xiàn)在低調(diào)實用的AI每天都在開發(fā)中，只是人家沒有像DeepSeek那樣高調(diào)張揚。豆包只是大眾運用比較多因而流量比較足的普及版免費AI而已。細(xì)分市場真正可以干事的AI小型專業(yè)實用而收費。

即便豆包是一個普及版AI，但是其主項的音頻技術(shù)還是令我有些吃驚。

先錄一段玩玩兒。

這是豆包主頁面的聊天。大家可以看到我在測試時，其回答內(nèi)容可以隨著你的需要即時跟進變化，并沒有疏離感和機器感。還包括語音語調(diào)和各種方言，無縫銜接。為了簡化，我略去了其他變化而只選取了一段方言。雖然它的“上海話”不怎么地道，但其中的“悄悄話”模式和“夾子音”模式估計會讓你起一身雞皮疙瘩的。你有興趣不妨試試。

再看角色設(shè)定，其菜單里有各種人設(shè)。比如那個“林黛玉”，其性格和語調(diào)就來自電視劇《紅樓夢》的黛玉模型設(shè)定，她可以根據(jù)隨機的對話隨之對應(yīng)說出符合其人物角色性格的話語來，這個里面的算法應(yīng)該不錯。不妨來看一段實時錄像：

我還說去看寶釵，結(jié)果打翻了林妹妹的醋壇。這很適合娛樂。當(dāng)你一個人無聊在家時，可以穿越時空和林妹妹聊天，當(dāng)然你也得具備一點才學(xué)這天才能夠聊得下去。但是真正驚到我的不是上述這些而是它可以惟妙惟肖地模仿任何人的聲音，只要你按照要求對它說上一段話。不信？可以看看下面的小視頻，那是我在與另一個“我”對話。

不知道你的感受如何？反正我聽到了另一個“我”后立馬想到了兩個后果：

第一個是形而下的偏負(fù)面：這個技術(shù)如果被騙子利用怎么辦？而且我相信在中國國情中一定會有騙子利用，尤其是DeepSeek降低了算力成本后。假如有一天我的太太接到這樣一個來自“我”的聲音，讓她給“我”匯錢，她會相信嗎？我相信在騙子招數(shù)被警示了無數(shù)遍的今天仍然有人屢屢中招，那么再添加聲音這個技術(shù)上去，被騙者還不翻番地上升？

第二個想法似乎有點形而上了：如果隨著這一類音頻技術(shù)的提高完善，倘若再能夠完善腦機接口，把我的記憶全部植入，當(dāng)我把“我”安置在網(wǎng)上時，這個“我”某種程度上是不是就是我的永生？因為這個“我”除了沒有我的肉身外，幾乎具備我所具有的一切：記憶、理智、情感、性格，乃至音容笑貌。換一個更加通俗的話說就是：倘若我的父母生前就能夠借助豆包錄下視頻和語音形成特有的網(wǎng)絡(luò)存在，那么某種意義上他們就一直活著，只要需要，我就可以上網(wǎng)接入與之對話，由于對話內(nèi)容不是固化的而是隨機產(chǎn)生的，這又與真的微信電話和視頻有啥本質(zhì)區(qū)別？

我的后背有點發(fā)涼，但我知道，距離這一天也許并不遙遠(yuǎn)了。

而這個原本來自娛樂的玩意兒，倒是有了改變?nèi)祟惿畹哪撤N可能。至少，我們的親人愛人友人某種程度上可以一直“活著”，與你交流。

因此，我倒是看好豆包在音頻上的這個拓展，如果它不再僅僅停留在游戲娛樂而是有所追求的話。