3月31日，新一期百度AI DAY上，文小言宣布完成品牌煥新與功能升級。除品牌視覺形象煥新外，文小言聚焦模型開放與功能創(chuàng)新，支持多模型融合調(diào)度，升級全新語音大模型、圖片問答、AI生圖生視頻等多項能力，為用戶帶來更智能、更高效的AI體驗。

此次活動上，百度還發(fā)布業(yè)界首個基于全新互相關(guān)注意力(Cross-Attention)的端到端語音語言大模型，實現(xiàn)超低時延與超低成本，在電話語音頻道的語音問答場景中，調(diào)用成本較行業(yè)均值下降約50%-90%。

百度AI產(chǎn)品創(chuàng)新業(yè)務(wù)負責(zé)人薛蘇強調(diào)：“AI的未來不再是單純的技術(shù)參數(shù)比拼，而是如何通過多模型協(xié)同，真正為用戶創(chuàng)造價值。文小言希望通過開放生態(tài)，整合頂尖模型能力，做出更強大、更簡單的AI產(chǎn)品。”

據(jù)了解，文小言此次升級的核心亮點在于“多模型融合調(diào)度”。通過整合百度自研的文心X1、文心4.5等頂尖模型，并接入DeepSeek-R1、可靈等第三方優(yōu)質(zhì)模型，文小言實現(xiàn)了多模型間的智能協(xié)同。用戶只需選擇“自動模式”，即可一鍵調(diào)用最優(yōu)模型組合，或根據(jù)需求靈活選擇單一模型完成特定任務(wù)，大幅提升響應(yīng)速度與任務(wù)處理能力。

以“設(shè)計三種風(fēng)格的南偏東客廳效果圖”為例，文小言能夠精準(zhǔn)解析裝修風(fēng)格差異，調(diào)用文心X1完成深度推理，生成三幅風(fēng)格迥異但視角一致的裝修效果圖；隨手拍攝一張茅臺鎮(zhèn)的照片，文小言就可以調(diào)用文心4.5的多模態(tài)分析能力，精準(zhǔn)識別出地理位置、當(dāng)?shù)禺a(chǎn)業(yè)、建筑風(fēng)格等詳細信息。

此次功能升級，文小言還進一步提升了全新語音大模型、圖片問答、AI生圖生視頻等能力，全面優(yōu)化用戶體驗。

比如，全新語音大模型支持方言對話、復(fù)雜知識問答及隨時打斷等場景，用戶可進行語音知識問答或趣味角色扮演。接入全新的端到端語音語言大模型后，文小言不僅能支持更擬真的語聊效果，而且支持重慶、廣西、河南、廣東、山東等特色方言。數(shù)據(jù)顯示，語音大模型具備極低的訓(xùn)練和使用成本，極快的推理響應(yīng)速度，語音交互時，可將用戶等待時長從行業(yè)常見的3-5秒降低至1秒左右。

文小言還加強了圖片問答功能，用戶拍攝或上傳圖片，以文字或語音提問即可直接獲取深度解析。例如，拍攝一道數(shù)學(xué)題可實時生成解題思路與視頻解析；上傳多款商品圖可對比參數(shù)、價格，輔助購物決策；拍攝杯子設(shè)計圖后，AI可自動解析風(fēng)格并生成同款手機殼、支架等周邊產(chǎn)品。

同時，新增的“圖個冷知識”功能更富趣味性，用戶可預(yù)設(shè)“歷史學(xué)者”“科技達人”等人設(shè)視角，為同一圖片賦予多維解讀。例如，當(dāng)用戶詢問“貓窗探秘，為何貓愛窗邊的科學(xué)真相？"，文小言能從狩獵本能、能量獲取、領(lǐng)地意識等角度給出獨特解讀。