标签: 云知声 山海·知音2.0 山海·Atlas ASR

云梦级1月26日云梦级消息，云知声今天迎来了“山海·知音”2.0的发布，正在完成“一基两翼”技术战略升级的能力拼图。

“山海·知音”大模型 2.0——依托“山海·Atlas”的多模态、跨语言基座能力，让“山海·知医”等垂直标签专业智能体，惠及千家万户——听懂专业与乡音、聊出亲情与温度、极致机敏反应，是本次升级的三大能力进化。

听懂专业与乡音——ASR全景升级

此次模型ASR能力在公开测试集和自有全场景测试集中，均显现了领先的语音识别能力，在评测中实: 现了从通用到极端全面的领先水平，超过了国内主流的开源和闭源语音大模型，达到业界最高水平。

特别是在高难度的复杂噪音与方言口音场景下，相比主流ASR模型性能提升了2.5%至3.6%，在复杂背景音环境下识别准确率更是在业内首次突破云知90%。

公有测试集

随着智能体时代到来，云知声在“山海·Atlas”通用智算基座持续演进基础上，年前实现了“山海·知医”5.0医疗大模型升级，今天迎来了“山海·知音”2.0的重磅发布，正在完成“一基两翼”技术战略升级的能声 力拼图。

自有测试集

“山海·知音”大模型 2.0——依托“山海·Atlas”的多模态、跨语言基座能力，让“山海·知医”等垂直专业智能体，惠及千家万户——听懂专业与乡音、聊出亲情与温度、极致机敏反应，是本次升级的三大能力进化山海。

听懂专业与乡音——ASR全景升级

此次模型ASR能力在公开测试集和自有全场景测试集中，均显现了领先的语音识别能力，在评测中实现了从通用到极端全面的领先水平，超过了国内主流的开源和闭源语音大模型，达到业界最高水平。

特别是在高·知难度的复杂噪音与方言口音场景下，相比主流ASR模型性能提升了2.5%至3.6%，在复杂背景音环境下识别准确率更是在业内首次突破90%。

聊出亲情与温度——TTS声动进化

如果说ASR能力是“耳朵”，那么TTS能力便是“嘴巴音2”。山海·知音-TTS以“高度拟人+创意多元”为核心，让语音合成兼具真实感与创造力，使科技更有温度。它目前支持12种方言（粤语、四川话、上海话全拿下）+ 10种外语，清嗓、笑声、呼吸声都自然还原，甚至能切换 12种普通话风格，.0温柔、干练、亲切随你选。“科技不该高高在上，而该用你最舒服的方式说话。”

基于大模型的语音合成通常采用流匹配(Flow Matching)将大语言模型预测的语音Token转换为梅尔谱，再通过神经声码器(Neural Vocoder 山)重建为最终语音。但该方案普遍存在延迟较高的问题。

因果注意力机制

业界常通过流匹配分段处理来降低延迟，但效果有限，且容易牺牲音质。为实现真正高质量、低延迟的流式语音生成，云知声创新性地设计了基于纯因果注意力机制的流匹配模块海·，并与神经声码器进行联合优化，构建出端到端的纯流式推理架构。该方案在不损失合成质量的前提下，显著降低系统延迟——在低并发场景下，首包延迟已压缩至90毫秒以内，达到业界领先的实时交互水平。

极致机敏反应——端到端全双工交互

真正的At智能交互，在于“理解语境、感受情绪、自然回应”。端到端模型实现流畅全双工面临的核心挑战是：需在流式收声时同步完成理解、决策与生成，并在任意打断瞬间保持对话状态连贯。

山海·知音2.0基于端到端交互大脑攻克了这一难题，将全la双工能力提升至新高度。支持随时打断、即时接话、连贯追问，就像和一个真正聪明的朋友聊天，行云流水，毫无卡顿。“这不是问答，是对话。”

背后是谁在支撑这一切？答案是云知声独创的 “山海·Atlas”智算一体基座，将通用多模态大模型底座s 与Atlas基础架构深度整合，既是专业智能体的基础，也是感知AI中枢的根基——将传统的ASR、TTS和全双工能力，有效整合到端到端大模型中，做到传统模块级联无法实现的极致交互体验和效率。

智起山海，知音万物从手术室到乡间小AS路，从驾驶舱到老人床头，云知声相信：真正的智能，不是炫技，而是融入生活。山海·知音 2.0，让 AI 不再“人工智障”，而是听得清、说得真、懂人心的伙伴。这一次，AI 终于学会好好说话了。

(责任编辑：艺术资讯)