如果TA聪明、理解能力强、很会找话题，又很年轻，介绍给你，你愿意认识一下吗？
3月31日，新一期百度AI Day上，文小言正式宣布完成品牌焕新与功能升级：支持多模型调度，升级全新语音大模型、图片问答能力。
⭐多模型融合调度提升 响应速度与任务处理能力
升级后的文小言，整合了最新的文心大模型X1、文心大模型4.5等模型能力，尤其擅长推理计算，推理后不仅能输出图文混合内容，还能调用工具完成连续任务的处理。
以装修方案为例，如选择文心X1模式，把需求告诉文小言，它就能根据你的需求点生成多种装修风格的方案，设计原理、效果图一应俱全。
多模态理解能力出色，特别是图片理解能力，分析得又准又快。不知道吃什么时，拍下菜单，并告诉小言你的需求，“世纪难题”轻松解决。
不仅有自家最新模型的加持，还接入了DeepSeek-R1等第三方优质模型，实现了多模型间的智能协同。选择“自动模式”，即可一键调用最优模型组合，或根据需求灵活选择单一模型完成特定任务，大幅提升响应速度与任务处理能力。
⭐全新的端到端语音语言大模型 对话流畅自然
文小言升级全新语音大模型，支持方言对话、复杂知识问答及随时打断等，用户可进行语音知识问答或趣味角色扮演。
以小朋友和小言的对话为例，衔接丝滑，不用担心打断后，AI接不上话。还能切换蜡笔小新、孙悟空、熊大熊二等百变音色，喜欢谁就换谁！
不仅如此，小言还学会了多种方言。重庆话、河南话、广西话等等都能聊！
此次升级的语音大模型，是百度在业界首个推出的基于全新互相关注意力(cross attention)的端到端语音语言大模型。该大模型的编码模块和语音识别融合，解码模块和语音合成融合，具备构建多垂类助手，DeepQA，RAG和情感聊天等服务的能力。
模型具备极低的训练和使用成本，极快的推理响应速度。语音交互时，可将用户等待时长从行业常见的3-5秒降低至1秒左右；在电话语音频道的语音问答场景中，调用成本较行业均值下降约50%-90%。
同时，在大模型加持下，实现业内领先的流式逐字的LLM驱动的多情感语音合成，情感饱满、逼真、拟人，交互听感得到极大提升。
简单来说，端到端语音语言大模型把「听」和「说」的能力进行了深度结合，所以不仅能像真人一样处理复杂对话，还能根据不同场景变身成专业助手，反应更快、更懂潜台词、回答也更人性化。
⭐图片问答能力更强
图片问答功能下，只需随手拍摄/上传图片，配合文字或语音提问，就能获取深度解析，让视觉信息获取更高效。比如：
拍摄数学题，获得解题思路与视频解析（特有的AI解题视频能力，讲解又准又全面，辅导孩子学习更方便啦~）
上传多款商品相关图片，了解你的需求后，通过对比参数、价格等，帮你做出购物决策（这专业度 棒）
上传你喜欢的物品图，小言会自动识别设计风格，帮你把相同的设计元素应用到其他指定商品上，生成专属定制设计方案。
文小言还新增“图个冷知识”功能，能选择不同人设（赛博先知、时空学者等），对同一图片进行多维解读。
有了更强的图片问答功能，就相当于有了个“会思考的眼睛”，拍啥都能问，问啥都可以，解锁更多应用场景。
⭐听不清、看不懂、调不动，别着急~ 有问题，问小言！⭐
详情：网页链接
最新版文小言下载：网页链接
3月31日，新一期百度AI Day上，文小言正式宣布完成品牌焕新与功能升级：支持多模型调度，升级全新语音大模型、图片问答能力。
⭐多模型融合调度提升 响应速度与任务处理能力
升级后的文小言，整合了最新的文心大模型X1、文心大模型4.5等模型能力，尤其擅长推理计算，推理后不仅能输出图文混合内容，还能调用工具完成连续任务的处理。
以装修方案为例，如选择文心X1模式，把需求告诉文小言，它就能根据你的需求点生成多种装修风格的方案，设计原理、效果图一应俱全。
多模态理解能力出色，特别是图片理解能力，分析得又准又快。不知道吃什么时，拍下菜单，并告诉小言你的需求，“世纪难题”轻松解决。
不仅有自家最新模型的加持，还接入了DeepSeek-R1等第三方优质模型，实现了多模型间的智能协同。选择“自动模式”，即可一键调用最优模型组合，或根据需求灵活选择单一模型完成特定任务，大幅提升响应速度与任务处理能力。
⭐全新的端到端语音语言大模型 对话流畅自然
文小言升级全新语音大模型，支持方言对话、复杂知识问答及随时打断等，用户可进行语音知识问答或趣味角色扮演。
以小朋友和小言的对话为例，衔接丝滑，不用担心打断后，AI接不上话。还能切换蜡笔小新、孙悟空、熊大熊二等百变音色，喜欢谁就换谁！
不仅如此，小言还学会了多种方言。重庆话、河南话、广西话等等都能聊！
此次升级的语音大模型，是百度在业界首个推出的基于全新互相关注意力(cross attention)的端到端语音语言大模型。该大模型的编码模块和语音识别融合，解码模块和语音合成融合，具备构建多垂类助手，DeepQA，RAG和情感聊天等服务的能力。
模型具备极低的训练和使用成本，极快的推理响应速度。语音交互时，可将用户等待时长从行业常见的3-5秒降低至1秒左右；在电话语音频道的语音问答场景中，调用成本较行业均值下降约50%-90%。
同时，在大模型加持下，实现业内领先的流式逐字的LLM驱动的多情感语音合成，情感饱满、逼真、拟人，交互听感得到极大提升。
简单来说，端到端语音语言大模型把「听」和「说」的能力进行了深度结合，所以不仅能像真人一样处理复杂对话，还能根据不同场景变身成专业助手，反应更快、更懂潜台词、回答也更人性化。
⭐图片问答能力更强
图片问答功能下，只需随手拍摄/上传图片，配合文字或语音提问，就能获取深度解析，让视觉信息获取更高效。比如：
拍摄数学题，获得解题思路与视频解析（特有的AI解题视频能力，讲解又准又全面，辅导孩子学习更方便啦~）
上传多款商品相关图片，了解你的需求后，通过对比参数、价格等，帮你做出购物决策（这专业度 棒）
上传你喜欢的物品图，小言会自动识别设计风格，帮你把相同的设计元素应用到其他指定商品上，生成专属定制设计方案。
文小言还新增“图个冷知识”功能，能选择不同人设（赛博先知、时空学者等），对同一图片进行多维解读。
有了更强的图片问答功能，就相当于有了个“会思考的眼睛”，拍啥都能问，问啥都可以，解锁更多应用场景。
⭐听不清、看不懂、调不动，别着急~ 有问题，问小言！⭐
详情：网页链接
最新版文小言下载：网页链接
