1月5日千问APP语音功能全面焕新,上线10款全新AI音色,覆盖不同年龄层与性格特征。同时,用户克隆的专属音色也同步升级,实现更丰富、更拟人化的语音交互体验。

据悉,新音色通过研发架构创新和大规模多说话人语音数据训练,在保持高清晰度的同时,显著提升语音互动的拟人感,具备更加精准的语气、语调、停顿和情感等。支持中英混合发音、多语种无缝切换,适用于剧本演绎、多人对话等创意场景。
产品负责人介绍,这些音色经过由语言学家、音频工程师及用户体验专家组成的专业评审团多轮盲测评估,在自然度、语速控制、情感表现力、声音复刻还原度、多语言适配能力及系统稳定性六个维度上表现均衡。
未来,千问APP还将持续优化AI语音,拓展在日常生活、有声内容创作、无障碍服务等多场景的应用。
好文章,需要你的鼓励
RGPO用"临时脚手架"破解大模型强化学习的奖励稀疏难题:先让模型独立解题,失败则分段放出标准解法引导重写,仅采纳经验证更优的答案。难题测试准确率从0跃至99.5%,语言模型平均分高出最强基线5.0分。
论文提出用MoE模型的路由器输出作为跨语言对齐目标,通过持续预训练对翻译句对施加路由KL散度损失,在不改变分词和架构的前提下让隐藏表示更接近,并在四个开源MoE模型、七种语言上验证了下游任务性能的一致提升。
DiffGate提出难度门控的教师指导机制,让验证器决定何时需要教师介入,仅对失败且困难的轨迹提供有界教师指导,结合GRPO强化学习,在数学与代码任务上显著提升解题覆盖率与跨领域迁移能力。
研究者用固定不变的16位二进制编码替代传统可训练词嵌入表,在17亿参数规模模型上训练1000亿token,证明模型仍可获得实质语言能力,揭示输入表并非必需,但性能略逊于可学习方案。