对情绪可感知度达85％，讯飞推“超拟人交互”

8月30日，科大讯飞星火极速超拟人交互技术正式上线讯飞星火APP，率先面向全社会开放体验。根据官方介绍，星火极速超拟人交互在响应和打断速度、情绪感知情感共鸣、语音可控表达、人设扮演四个方面实现重大突破，让整体交互体验更自然、更具情感。

《中国科学报》记者第一时间在讯飞星火APP上体验了该功能。可以看到，星火极速超拟人交互响应速度很快，支持随时打断；可以识别不同的情绪并呈现有代入符合情境的对话和回复，能觉察到其在有意减少“机械感”。

科大讯飞研究院常务副院长高建清介绍说，极速响应是确保一切体验的基础，也是区别于其它语音产品的关键能力。他解释说，“端到端”技术框架是实现极速响应的重点，该技术通过将此前级联方案升级为统一神经网络，直接实现语音到语音的“端到端”建模，从而大幅缩短响应时间，做到了真正的极速。

至于快速打断功能，高建清说，遇到错答、啰嗦回复等情况，立即打断是人的生理本能。但快速打断及响应其实是个极其复杂的工程问题，需要去判定何时打断、何时不应打断。“我们通过技术创新与强化底座认知能力，解决了打断和响应时间平衡的问题。”

星火极速超拟人语音交互技术路线图。科大讯飞 供图

人类语言具有独特的情绪感染力，能够传达复杂的情感和思想。但长久以来，智能语音与自然语言处理技术偏重于针对“内容”模块下功夫，比如能“听懂”更多的语种，“解答”更多的问题，缺少拟人化的对话方案。

高建清表示，想要获得拟人化的对话体验，需要“内容”与“情绪”等模块协同作用。而大模型时代的到来，恰好能让不同的模块化功能进行“大统一”。他对记者解释道：“以往语音交互系统都是不同的模块，比如语音识别、语音合成和大语言模型。而科大讯飞星火极速超拟人交互技术基于端到端大模型框架，结合讯飞多维度语音属性解耦表征训练模块，从而可实现情感、方言、韵律、音色等的可控，最终实现了对语音交互的拟人化升级。”

“我们将一万多条带明确情绪色彩的语音测试语音大模型，结果有8500多条回复能匹配相应的情绪。”高建清告诉《中国科学报》，讯飞星火语音大模型的超拟人功能，对多种情绪的可感知度达到85%以上，可使对话声音真实度、拟人度更强。

他认为，共情力对于大模型是一项重要的基础能力，或许在未来的人形机器人身上，我们将看到更具共情力的具象表达。他进一步提出，目前系统暂时不能使用表情，但未来如果将表情、声音内容与声音情绪三者结合在一起，将会是一条可行的新路径。