声网发布《2025对话式AI发展白皮书》，开启实时语音技术商业新纪元

除了理论指导，声网还以实际产品推动对话式AI进步。此次发布会，声网推出了一系列对话式AI新品，包括下一代对话式AI引擎、配套开发套件、模型评测平台和编排平台等。

一股对话式AI的蓬勃浪潮，正席卷而来。

对话式AI走进现实

回想一下：你通常在什么情况下唤醒苹果手机中的Siri进行对话？

多数人或许会回答：睡前设定闹钟时。一组直观数据显示：目前仅21%的用户对现有AI对话体验满意，部分服务的用户流失率甚至高到“难以接受”。

事实上，人类并非不愿与AI交谈，问题在于AI不够懂人。本质上，人类对话中仅7%的信息来自语言内容，超过90%的信息感知源于语调、表情和肢体语言等非语言元素。

要让AI实现“类人对话”，企业仍需攻克诸多技术难关。

例如，当前多数对话式AI的端到端延迟普遍超过3秒——而人类正常聊天延迟约400毫秒。这短暂的3秒差距，成了人机交互的一大痛点。商业世界中，仅几秒等待就足以消磨用户耐心。因此，与时间赛跑、突破响应延迟，是对话式AI逼近人类体验的关键壁垒。

除延迟外，对话式AI的另一挑战是赋予AI人类智慧的“内核”。

某些人机交互场景令人共鸣：对话中，AI可能因用户清嗓、键盘声或片刻迟疑而中断，上下文丢失。或在嘈杂派对、展会中，AI常无法聚焦用户真实声音，导致注意力涣散。

这些细微体验，正是人与AI建立信任、情感依赖的核心。用户期待的不仅是一个正确答案机器，更是一个有“人情味”的AI。

对此，声网创始人兼CEO赵斌将对话式AI的技术挑战归纳为：低延迟响应、自然打断、上下文管理、情感理解与表达等。

为解决这些难点，行业主流采用级联模式。该模式像一条分工明确的“流水线”，将语音对话拆解为三个串行步骤（语音转文字ASR—大模型理解文字LLM—文字转语音TTS）。

相比其他模式，级联模式更模块化，开发者可像搭积木般灵活选择各环节优质供应商，以优化成本、提升效果。因此，级联模式成为多数AI客服、智能音箱等应用的技术选择。

以声网为例，其围绕级联模式构建了三类产品形态，覆盖不同客户群。对于希望快速上线的应用开发者，声网推出了对话式AI引擎2.0，作为开箱即用的一站式解决方案，旨在攻克前述对话式AI痛点。

具体来说，引擎2.0依托全球实时网络，实现端到端高速响应与超低延迟。它还内置智能打断、声纹识别等先进功能，使对话实现智能交互。此外，引擎2.0采用开发者友好设计，支持多种主流大模型，各模块功能可按需选用，能快速集成至多样应用场景。

当然，对于追求灵活选型与深度定制的公司，声网提供了模块化SDK，如语音识别/合成SDK，让开发者自由“搭积木”。而对于已使用声网实时音视频服务的客户，若希望在不改变架构前提下增强AI能力，声网还提供一系列扩展套件，可“插件式”添加对话式AI功能。

通过引擎、SDK和拓展套件这三类产品，声网覆盖了从新手到专家的不同客户，确保所有用户都能在其生态中找到最适合的方案，让对话式AI照进现实。

给对话式AI一把“尺”

无论与人类或AI交流，对话本身都具主观性。但要推动对话式AI长远发展，行业需一套全面、客观的评估框架，犹如为对话式AI划定航行航道。

尽管行业已提出部分评估方法，如任务完成率、词汇错误率等，但这些单点技术指标维度碎片化、局限性明显。现实中，对话式AI的语音、对话等要素复杂，原有评估手段常与实际体验存在巨大鸿沟。

为此，声网在《2025对话式AI发展白皮书》中提出了“三维二轨”评估框架——“三维”考核AI自身能力，如理解、表达、交互能力；“二轨”考核AI的两种方法，包括基准测试和用户导向测试。

看似抽象，但代入此框架，想象你正在面试一位AI助理。此时，你发出指令：“帮我预定一个适合商务宴请的意大利餐厅”。

理解力强的AI助理能抓取并理解关键词如“今晚”、“商务宴请”、“意大利餐厅”。而理解力弱的助理或许只捕捉到“餐厅”，反手推荐隔壁麦当劳。

接着，表达力强的AI助理会根据指令情绪，以自然愉悦的语调介绍合适餐厅的特色。表达一般的助理则用僵硬播音腔念出长串地址，宛如无情复读机。

当AI助理介绍餐厅时，你突然打断问：“餐厅附近有停车场吗？”

交互能力差的AI助理可能忽略提问，坚持说完介绍。而交互能力强的助理，对话节奏与打断处理出色，会立即停下并查询信息，最后补充：“还需要继续查询菜品吗？”

值得注意的是，此评估框架不仅通过基准测试确保对话式AI基本功扎实，还在硬性指标外融入用户导向测试，让对话式AI获得用户侧主观评价。

如果说“三维二轨”为对话式AI提供了衡量标尺，定义了优质框架与原则，声网并未止步，还基于此框架为开发者提供实用工具。

声网的AI模型评测平台，通过精准定位对话式AI场景核心痛点，打造了一个关键“决策支持系统”。据悉，该平台模拟真实对话交互测试，在全球十大城市节点动态监测并更新数据，直观对比主流ASR、LLM和TTS模型的实时性能。

例如，当开发者基于声网对话式AI引擎构建“AI社交陪伴”应用时，可直接在评测平台上，针对“社交陪伴”场景关注的响应延迟，横向评测不同ASR、LLM、TTS模型在延迟方面的表现，最终选择更匹配业务的模型组合。

随着对话式AI走出概念，在技术路线、产品方案、评估标准和工具等方面快速完善，其注定在更多领域加速落地生根。

对话式AI落地，润物细无声

目前，对话式AI已在智能硬件、情感陪伴、在线教育三大场景中率先实现规模化应用。

2025年被视为AI硬件爆发元年，从“芙崽”为代表的AI陪伴硬件引爆行业，到Ray-ban meta引领的AI眼镜“百镜大战”。热闹的AI硬件中，对话式AI扮演了核心角色——赋予冰冷硬件类人的灵魂与智慧。

在情感陪伴领域，以星野、Character.AI为代表的AI社交应用中，对话式AI使AI对话从机械应答进化为具记忆力、个性与共情力的社交引擎，让AI真正陪伴人类左右。

在教育领域，对话式AI正掀起教学革命。例如，它让口语陪练更拟人，营造沉浸式语言学习环境；衍生的AI双师（如豆神AI）也促进了教育资源的均衡分配。

种种迹象表明，对话式AI生态正快速构建。你或许好奇，未来的对话式AI还有何想象空间。声网在白皮书中描绘了未来图景。

首先，对话式AI将在多模态交互上实现质的飞跃，实现边听边说、看懂用户表情与手势等功能，使人机交互无限接近人人交互——正如声网发布会上，赵斌演示“AI客服”时，观众难以分辨对话对象是机器还是人类。

其次，未来对话式AI或许不仅是单点、被动响应的工具，而是多智能体协同的“超级助手”。

商业维度上，未来对话式AI可能隐藏更多价值。其形态或更隐秘多元，融入业务流程，成为组织中的数字员工，或作为全新信息入口与服务枢纽。

你亦可大开脑洞：对话式AI未来或化为“数字生命体”——成长阶段，它是人类启蒙的守护者；工作阶段，它化身全能助手；随着人类数据积累，它将进化得更懂你。

结语

最早诞生于60年代的对话式AI，在大模型时代获得类人能力后，才真正步入飞跃期。这一看似简单的技术，长远意义深远。

首先，对话式AI彻底改变了人机沟通底层逻辑，使过去以图形界面（GUI）为主的交互，进化到更符合人类本能的交流方式。此转变将大幅降低AI使用门槛，实现技术普惠与平权。

其次，对话式AI将人类从繁琐任务中解放，让人更专注于创造性、战略性工作。其潜藏的商业可能无限，或催生全新商业模式与业态，不限于当前火热的陪伴类AI原生APP、AI硬件等。

总之，对话式AI不仅代表技术高地，更在改变交互方式、生产关系并驱动经济增长。

声网此次发布会上，创始人兼CEO赵斌表示，截至目前，声网年度服务分钟数首次突破1万亿分钟。这是一个里程碑，标志着RTE技术（实时互动）已成为行业不可或缺的“水电煤”。

当众多技术子集羽翼渐丰，对话式AI已万事俱备，正静候自己的“万亿时刻”。