熱門資訊> 正文
2026-09-08 15:57
來源:環球網
9月8日,網易首個AI原生語音Agent「網易叭哥説」正式上線。這款產品依託有道多年沉澱的語音識別和翻譯技術,跳出傳統語音輸入 「語音轉文字」 的工具定位,把人的自然口語直接轉化為結構化、可直接複用的高質量文本,旨在解決生成式AI時代爆發式輸入需求下,鍵盤輸入效率跟不上人腦思考速度的行業痛點。
生成式AI普及之前,人機交互大多是短句檢索、關鍵詞問答,用户輸入負荷有限。大模型落地之后,工作流發生本質變化:寫提示詞、多輪迭代修改指令、輸出長段方案,用户給到AI的信息密度與輸入總量呈指數級上漲。公開數據顯示,語音輸入平均效率可達鍵盤的2.5倍;而網易叭哥説通過自研ASR與語義理解鏈路深度調優,將口語輸出對鍵盤打字的效率比值提升至5倍。
在網易有道相關負責人看來,語音交互的價值,早已不是單純替代打字、減少敲擊鍵盤的動作,而是壓縮「腦海里產生想法」到「指令交付給AI執行」之間的距離。
從「聽寫轉錄」走向「意圖理解」
叭哥説的核心差異,是從「聽見聲音」進化到「聽懂人的意圖」。例如口語表述「下午三點開會,呃,不對,改成四點,幫我告訴設計團隊」,叭哥説會識別修正其中的時間變更指令,自動潤色輸出「下午四點開會,請通知設計團隊」,產出結果可直接複製用於即時通訊、郵件、文檔撰寫等真實工作場景。
這一能力來自有道構建的「聽清、聽懂、寫好」全自研技術鏈路。在聽清環節,有道自研ASR模型Confucius4-R2T2,即將作為業界開源SOTA的真流式語音識別模型進行發佈,主打低延時、高質量,一個模型支持不同的推理粒度,適配不同的場景需求。該模型經過海量數據訓練,針對日常對話中的思考卡頓、環境噪聲、小聲説和實時輸入等場景進行了重點優化。
在聽懂環節,Confucius4-R2T2具備較強的上下文推理和熱詞支持能力,可結合前文、當前場景和專業詞典理解用户表達,提升同音詞、人名、產品名及行業術語的識別準確性,且在多數場景下,熱詞識別命中率突破 99%;Confucius4-R2T2面對改口、重複和語義補充,能判斷最終表達意圖。
在寫好環節,調用自研潤色生成模型,完成斷句分層、冗余口語刪減、邏輯梳理、表述規範化。整套鏈路的評判標尺不再是「逐字識別準確率」,而是輸出結果是否可以直接使用——這也是AI原生語音Agent和傳統語音聽寫產品最核心的分水嶺。
多語種實時翻譯與端側隱私雙落地
語音翻譯是有道持續佈局十余年的核心技術賽道,大量技術積累也下沉賦能叭哥説產品。產品支持124個語種實時語音互譯,面向經濟、物理、化學、醫學等垂直專業領域,翻譯精準度可達98%,覆蓋跨語言溝通、跨境會議、外文材料口述整理等多元場景。
伴隨AI語音能力變強,語音隱私風險也成為行業焦點。人聲包含大量個人習慣和真實想法,一旦上雲存儲,會帶來數據泄露、被用於模型訓練的隱患。在隱私保護上,叭哥説雲端不保留任何語音與文本數據,從源頭規避語音原始數據外泄風險,把語音數據主權交還用户。
據介紹,網易叭哥説即日起正式開放下載體驗。產品將終身免費,旨在降低AI原生語音交互的使用門檻。