刚和豆包视往往完的我，已经最初重新认识AI了。|江江|八戒|豆姐|面包|贾维斯_网易订阅

不知方式大家有没有这种感觉，刚和每次想和 AI 好好说句话，豆包的已豆姐总觉得哪哪儿都拧巴。视往识A斯网尤其是往完，和 AI 们直接语文章沟通时，经最I江江戒贾你能很明显的初重感觉出来 AI 和人的差别。因为说到底，面包目前的易订阅 AI 语文章更像在玩回合制游戏，你说话它闭嘴，刚和它说话你挨听。豆包的已豆姐你不能自然地停顿、视往识A斯网插话，往完它也分不清你是经最I江江戒贾在跟它说话，还是初重在跟旁边的人说话。这种交互上的面包硬伤，直接把 AI 死死钉在了答题机和代码工具的生态位上。上个月，OpenAI 就推出了 GPT-Live，可以做到在说话的同时持续听取用户输入，获得了外界不少好评。但不少人表示，这有啥，都是玩剩下的了，因为早在今年 4 月，豆包的语文章通话模式中，就已经升级了这一功能。前两天，豆包更是反手直接升级了自家的视往往通话能力，接入了原生文章视往往多模态全双工大模型 SeedRealtime，说是能协助更好的文章视往往理解，抗干扰和打断判停能力。这个所谓的全模态全双工交互模型，题就是一件事，照章性咱们前面说的几个拧巴的地方，回合制对话的模式，开展大版本调整。听起来有点意思了，于是咱们也马上找几个真实场景试了试。毕竟技术再好再高大上，咱们更关心的，其实还是这些新能力到底实不实用，用起来能不能更顺、更省心，真遇到事儿时能不能帮上忙。先来个基础的，看看新版本的豆包视往往电话，到底还是不是回合制游戏。你还真别说，目前这个版本的豆包更聪明了，之前视往往的时候，它就像一个单线程生物，耳朵和嘴巴只能有 1 个在工作，它如果开口说话，就很难听见你的新指令；当它在听你说话的时候，那它就没法思考。如今的豆包就好很多，哪怕在叭叭叭的说话，但只关键听到你的声文章，它立马住嘴，还会根据你的新提问修改。同时，你们也能从这个测试视往往里看出来，它对人类的提问、断句判断更好了。以前，你可能只是卡壳了一下，整句话并没有说完，它却 get 不到，自顾自地就最初回答你，但目前，它基础上都能分辨得出你到底说没说完，对话流程更像和一个小姐姐在面对面聊天。不仅如此，目前的豆姐确实有了更强的抗干扰能力。搁以前，它像首先了个顺风耳一样，身边有点其它动静，很那么点儿误判是你的新指令，转头去回应那些杂文章了，但目前，它像是有了声纹解锁一样，基础做到和你 1 对 1 私聊。同时，我们还发现，如今的豆包视往往的识别高效度杠杠的。例如下面这个视往往，我们在玩一个小游戏的时候，让它帮我们开展武将选项，就咱这滑动的高效度，结荚豆包的识别又快又准。在测试中，我们还发现，哪怕面对在编辑部玩游戏，一个人在前面打，后面坐着几个狗头军师的状况。豆包也完全能 hold 住这样多人对话的复杂场景，它能随时随地在线听大家伙说话，清楚地分辨出说话对象、材料。就连沉浸操作的同事小声嘀咕了一句 “ 怎么冲刺 ”，都被豆包精准抓包，然后打上了一个不怎么会玩的标签。接下来，我们给豆包上了点强度，刚好编辑部在装测试平台，我们让豆包当个装机高手，指导下该怎么操作。结荚豆包只是便捷扫了眼，就知方式这台测试平台进度如何。紧接着，我们发现，豆包除了能在装机流程中指导怎么做，还能在误操作时，主动提醒。豆包甚至还超有眼力见，实时盯着我的手部动作，在装内存条的时候，主动提前提醒注意正反面，同时别用蛮力硬怼。同时我们发现，豆包完全可以全步骤跟踪装机这种大型任务，因为就在我们根据豆包的指导装完显卡，觉得大功告成准备收工时。这哥们儿居然查漏补缺了：你丫的显卡的供电线还没接呢！甚至连角落里最那么点儿被忽略的主板 CPU 供电线，都被豆包发现了，主打一个你随便折腾，哥们兜底。同时在这个流程中，我们还发现了豆包强大的记忆功能。因为全程开着视往往，等我们装完测试平台，准备离开影棚的时候，想起来有台测试机不知方式放哪儿了。于是，我突然想到，有没有可能豆包知方式，结荚它还真记着了。关键知方式，这可不仅是听懂话，而简直就是 AI 磕了哆啦 A 梦的记忆面包。我就问，平时和真正的人类打电话，谁会帮你记自己随手放的东西？但豆包偏偏就帮你盯在眼里了。如果说装机只是在影棚里的极客游戏，那在人声鼎沸、步骤复杂的真实医院里，豆包还不过得住吗？于是，我们把豆包带到了医院，想试试，更新完的视往往能力能不能辅助一些老人等特殊人群，在大医院里独自看病。到医院门口后，咱主打一个两眼一抹黑，问豆包先去哪儿取号。豆包表示，面前的这个人工挂号窗口，或者边上的自主取号机取号就行。同时，豆包还贴心地给了提议，告诉我们如果提前预约好了，人工窗口排队人多，那还是选自助取号比较便利。按照引导取好预约号之后，常用的状况就是不知方式该怎么上楼找到自己的诊室，尤其是一些大医院，很那么点儿把病人给绕晕了，但目前，你只关键给豆包看一看，它会告诉你怎么走。同样的，到了诊室门口，目前很多医院都得先签到才会进入排队队列，但不一样医院、科室的签到、报到条件、机器都不大一样，不少人都会傻眼，豆包就能一眼告诉你怎么操作。我们整一个测试下来，从医院大门最初，豆包一步步带我们去自助机取号、然后找到电梯到达指定楼层、签到。。。除了路过的护士小姐姐和路人，会用奇怪的眼光观察世超，几乎挑不出任何毛病。因此，在取号、找楼层、识别签到设备这些步骤性任务上，豆包已经能给予全程陪同的协助。因此，总得看下来，豆包的视往往能力确实有了不小的提高，但在我们看来，最有意思的发展并不是豆包能多认几个东西、或者说能更快地开展反应，而是它真的在尝试理解你的文章、声文章等等，真学会了像人一样和人沟通。咱们也去探究了一下，为啥目前豆包的视往往能力发展得这么快，发现真正的功臣就是它底层的SeedRealtime。以前 AI 里所谓的视往往通话，本质上都是流水线：AI 先听到声文章，然后转成文字，看一眼屏幕截图，综合起来处理思考，最后生成语文章回答。这种串联思路，每个步骤的反应处理再快，连起来就显得慢半拍。但 SeedRealtime 最狠的一点，是将声文章、画面、时序与表达，全都融进了一个端到端模型。这么一来，看听说在同一套系统里开展，不分步骤不分前后，AI 就能通过手势和现场画面，秒懂你说的 “ 这个，内个儿 “ 指的是啥，也才能精准地过滤掉旁人的杂文章。同样的，能持续理解视往往里的场景变化，AI 也就能分得清啥时候该闭嘴，啥时候能主动开口提醒了。最后，给人的谝就是懂得察言观色，像个真正的人了。在搞明白了这些底层逻辑后，你就会发现，豆包这次展现出来的能力，也是目前整个 AI 行业死磕的方向之一。隔壁的海外大厂们也在提实时语文章、多模态交互和思考模型，除了咱们前面提到的 GPT‑Live，OpenAI 也还拿出 Thinking Machines 露脸，但它的功能还在演示时期、没法让公众随手敞开了用。因此豆包的这个文章视往往全双工能力，才是真正最初往我们期待的贾维斯方向进化了。当然了，这离贾维斯还有不少距离，目前你还得到处举个手机，视往往通话也受网络、续航等等需。但至少从这次体验看，AI 助手正在从 “ 你问一句、它答一句 ”，变成一个能边看、边听、边协助的角色。再多说两句，咱们突然觉得手机这个形态，有点制约未来 AI 的能力了，如果这个视往往能力未来可以跳出到手机以外，像是智能眼镜、手环、AI 小硬件 （ 当然，得搞定续航、散热、网络、算力等等状况 ），或许真是一个完全崭新的原生 AI 世界了。因此，不久的将来，如果看到谁在大街上嘀嘀咕咕，别以为人家是魔怔了，或许他正在和豆包打电话呢。撰文：八戒编辑：江江 & 面线美编：焕妍图片、材料来源：豆包