【ITBEAR】8月9日消息，火山引擎今日宣布，正式推出其對話式 AI 實時交互解決方案，該方案依托于火山方舟大模型服務平臺。這一創新技術方案的發布，標志著字節跳動在AI實時交互領域邁出了重要一步。
據悉，該解決方案利用火山引擎的RTC技術，實現了語音數據的采集、處理和傳輸，并深度融合了豆包?語音識別模型與豆包?語音合成模型，極大簡化了語音與文本之間的轉換流程。這一整合不僅提供了智能對話能力，還賦予了應用自然語言處理的能力，使得用戶能夠與云端的大模型進行實時語音通話，體驗前所未有的交互便捷。
據ITBEAR了解，火山引擎的對話式 AI 實時交互解決方案設計注重易用性，用戶只需調用標準的OpenAPI接口，即可輕松配置所需的語音識別（ASR）、大語音模型（LLM）、語音合成（TTS）的類型和參數，無需復雜設置。而火山引擎的AIGC RTC-Server則負責邊緣用戶的接入、云端資源的調度、文本與語音的轉換處理以及數據的訂閱傳輸，確保服務的高效運行。
該技術方案擁有三大顯著優勢：首先，它支持隨時打斷和直接插話，增強了交互的自然流暢性；其次，不受AI服務部署區域的限制，整體響應延時能夠低至1秒，確保了實時交互的體驗；最后，客戶端提供的音頻幀級別語音活動性檢測（VAD），能夠精準識別音頻信號中的人聲與靜默狀態，進一步優化了交互質量。
以下是火山引擎對話式 AI 實時交互的Demo展示：
