声网新版对话式 AI 引擎亮相 WAIC 解锁声纹识别、数字人与视觉理解

DoNews7月26日消息，7月26日，声网亮相2025世界人工智能大会（WAIC），正式发布新版对话式 AI 引擎，该版本新增声纹识别、数字人与视觉理解三项功能，实现对话式 AI 音视频交互体验的全新升级。同时，口袋 AI 毛绒宠物—芙崽 Fuzozo、家庭陪伴机器人—赋之 EBO Air 2 Plus 等一系列搭载对话式 AI 引擎的人气AI 硬件也亮相声网展台。

全新对话式 AI 引擎 三大功能实现多模态融合交互

1、声纹识别： 选择性注意力锁定新增声纹识别功能，该功能赋予 AI 精准识别用户声纹特征的能力，有效区分不同说话者。用户只需在对话初期大声、清晰地说话，即可提升 AI 对声音的锁定效果。声纹识别不仅可以智能屏蔽95%的环境人声、噪声，对 AI对话更准确、高效，同时也适用于多人与 AI 对话的场景，实现更加多元化的对话式 AI 响应与服务。

2、数字人交互：支持商汤等市场主流的数字人方案，通过集成高度拟真、表情动作自然的数字人，用户可与屏幕中的高度拟人化的数字形象进行实时、生动的对话互动，增强交互的临场感与情感连接，且有多个数字人形象供选择，适用于虚拟客服、教育陪伴、娱乐社交等多种场景。

3、视觉理解：新增的视觉理解能力为 AI 加上“眼睛”，一方面支持实时视频，能够解析摄像头捕捉的画面信息，结合语音指令，AI能“看懂”用户手势、环境物体或特定视觉线索，实现“所见即所言”的智能反馈；

另一方面，支持拍照与图片上传识别，AI 会解答图片中的关键信息，可适用于教育场景的拍照识题与作业批改，智能助手场景的识物、翻译、分析等。在对话式 AI 中加入视觉理解，将为人机对话协作开辟更广阔的空间。

对话式 AI 正从基础的互动问答向深度理解、情感共鸣和情境感知演进。声网对话式 AI 引擎集成的声纹识别、数字人和视觉理解等能力，是构建下一代自然、沉浸式人机交互基础设施的重要一步。

从会说话到会共情 多元 AI 硬件亮相展台

此次声网展台设置了多个对话式 AI 的体验展区，其中人气最高的当属 AI 硬件展区，多款搭载对话式 AI 功能的 AI 硬件集中亮相，包括：对话式 AI 开发套件以及搭载了开发套件的卡皮巴拉 AI 玩偶与数字人全息仓；具备 AI 陪伴功能的 AI 毛绒宠物—芙崽、家庭陪伴机器人—赋之 EBO Air 2 Plus、将 AI 玩具与角色手办结合的赛博大舞台、具备翻译与识图功能的AI 眼镜等，让现场的观众体验到既会说话，又能共情的各类 AI 硬件。

对话式 AI 开发套件让智能硬件设备实现自然流畅的实时语音对话、智能停顿及打断处理、以及超低延时响应，为开发者提供“对话式 AI + 智能硬件开发”一站式解决方案。此次 WAIC 展出的双屏与单屏两类开发套件，可适用于AI 玩具、AI 教育硬件、AI 陪伴设备、智能家居等各类智能硬件场景。

此外，现场还展示了对话式 AI 在 AI 教育、AI 客服等场景的解决方案，包含 AI辅助教学：实现多个学生与 AI 助教进行对话；AI教育硬件：现场展示搭载了对话式 AI 的学习机、儿童故事机；AI 客服：拨打一通电话即可与 AI 坐席自然、流畅的对话，精准解答用户的各类疑问，并支持中英文等多种语言。

未来声网将持续完善对话式 AI 引擎与开发套件，通过多元化的功能、极致的对话体验，加速智能对话在各类终端和场景中的普及与深化，推动更加自然、智能、安全的人机共生时代加速到来。