文/何己派

　　一家上海公司，帮助Deepseek像真人一样开口说话，引领AI技术新潮流。

　　3月上旬，声网发布对话式AI引擎，仅需两行代码，15分钟，即可让任意文本大模型“能说会道”，开启AI交互新时代。

　　这是个“新物种”，拥有多项独家功能，全球范围内难寻对手。对话成本极低，1分钟不到1毛钱。

　　“之前，大模型都是文字输入，将来，我们要让大模型更懂用户。”声网产品线负责人和利鹏表示。

　　为了这次的新产品，声网AI RTE产品线负责人姚光华透露，公司从春节开始疯狂赶工，2月18日推出Public Beta版本，此次发布已达到可商用状态。

　　截至3月7日美股收盘，声网市值为36亿元人民币，展现出强劲的市场潜力。

　　黑屋作战

　　DeepSeek爆火之际，声网产品团队悄然启动关键战役，组建专门团队，打造一款能与AI实时互动的工具产品。

　　项目历经半年酝酿，顺应DeepSeek浪潮陡然提速。团队成员像高考备战一样，室内放着倒计时白板，快速决策、快速推进。

　　大模型从单一模态走向多模态势不可挡，语音成为关键切入点。声网凭借在音视频领域的深厚积累，期望将RTE技术与生成式AI结合，抢占制高点。

　　除夕当天，对话式AI引擎上线Private Beta版本，首批开发者和客户让DeepSeek开口拜年，实现AI交互新突破。

　　对声网而言，这款产品的意义非凡。从人与人的交流转向人与机器的交流，实时互动要求更高，技术挑战更大。

　　姚光华提到，AI语音秒回、模拟真人对话节奏、随时打断AI等功能均源于客户需求，实际落地需要边走边试。

　　“比如对话人声锁定功能，就是客户提出的。”姚光华说，客户是最好的导师。

　　拆解引擎

　　“之所以叫‘对话式AI引擎’，在于我们只做对话式工具，不做Agent。”姚光华强调。

　　团队最终选择“引擎”作为产品名字，亮明声网的态度：提供能力，与大模型厂商合作而非竞争。

　　和利鹏透露，声网与国内多家模型厂商合作，实时互动是AI Infrastructure的一部分，声网的角色是交互。

　　对话式AI引擎具备AI语音秒回、对话人声锁定、智能打断、全模型适配等多项能力，实现“多快好省”。

　　响应延迟以毫秒为单位压缩，中位数达650ms；对话体验方面，精准识别对话人声，保持稳定流畅对话；开发部署上，程序员只需两行代码、15分钟即可实现快速部署。

　　价格方面，AI语音对话0.098元/分钟，“智能打断”功能作为增值服务定价0.042元/分钟，一次性增予所有开发者1000分钟免费额度。

　　姚光华表示，用户与AI每次对话平均约有3轮问答，单次成本为3分钱，年成本仅需5元。

　　人机未来

　　对话式AI引擎的应用场景广泛，包括智能助手、虚拟陪伴、口语陪练等。声网已落地十几种场景，陪伴类和智能硬件需求较多。

　　例如，让DeepSeek陪伴孩子应对天马行空的问题，同时保持自然交流。实时互动从人与人走向人与机器，对声网而言是很大的延展。

　　和利鹏表示，或许下一个变革是所有触摸式和键盘式交互都变成语音式。技术革新转瞬即逝，产品发布需紧跟技术步伐。

　　“现在这个版本虽非万能，但用户体验已达标。未来我们将继续拓展功能。”姚光华说。

　　DeepSeek引爆赛道，声网专攻音频细分方向，前景广阔。

（文章来源：21世纪经济报道）