01 OpenAI的o1激起了国内大模型的热闹
上半年以GPT4发布为代表，国内大模型陆续进行了一波模型产品升级后的近半年，各大模型厂商似乎进入了一个平静期。除了从大语言模型向图像模型、音乐模型、视频模型多模态拓展外，底座大模型的重大技术升级鲜有出现。
而伴随着OpenAI的o1产品的发布，大模型从快思考，从预训练预料中找答案的模式，向深度思考，模拟人类思维过程解决问题方向发展。
OpenAI的o1像是投到平静湖中的一颗石头，自o1发布后，国内的大模型厂商快速地活跃了起来，特别是Kimi和智谱这两家年轻的AI技术新秀。
Kimi的探索版，类似o1的深度思考模式，能够自主分解用户意图，处理更多的信息，解决更复杂的问题。
而智谱近期也陆续上新了不少重量级的新功能，包括：
1.GLM-4-Voice端到端语音模型发布，大模型具备了完整的感官系统，真正的理解人类情感语气并深度交流互动。——刚刚发布
2.AI深度搜索
3.可直接生成Excel文件
4.生成结果可编辑
今天重点介绍其刚刚发布的GLM-4-Voice端到端语音模型。通俗理解，就是大模型直接理解人类说话的内容，然后以语音对话输出，而不需要像过去要将语音转文本理解后，再转语音输出。
02 GLM-4-Voice高级语音模型功能介绍
就在刚刚，智谱AI官方发布了GLM-4-Voice语音模型。是国内首个具有端到端高级语音（超拟人语音）能力的大模型产品。目前在智谱清言APP上已经可以使用。
GLM-4-Voice 模型具备直接理解和生成中英文语音的能力，能够根据用户指令灵活调整语音的情感、语调、语速及方言等特征，且具有更低的延时，支持实时打断，进一步提升交互体验。
情感表达和情感共鸣：模拟不同的情感和语调，如高兴、悲伤、生气、害怕等情绪，用合适的情绪语气进行回复。传统TTS（text-to-Speech）对话在情感表达上比较僵硬，声音缺少起伏和细腻的变化。
调节语速：在同一轮对话中，可以要求 模型快点说 or 慢点说。
随时打断，灵活输入指令：根据实时的用户指令，调整语音输出的内容、风格和情感，支持更灵活的对话互动。例如，你可以随时打断 TA，让 TA 输出新的内容，更加符合日常对话情境。
多语言、多方言支持：目前 GLM-4-Voice 支持中英文语音以及中国各地方言，尤其擅长粤语、重庆话、北京话等。
以下是一段官方功能展示的视频：
03 GLM-4-Voice实际效果体验与点评
这个新模型实际使用效果如何呢？
我第一时间上手体验了智谱的这个新语音对话功能
使用下来，有以下个人的评价：
优点方面：
对话的流畅性、随时打断切换聊天内容的响应速度、对用于语音的理解力等方面的确有明显提升，更加的丝滑。
不足方面：
从产品功能的成熟度来看，个人认为这还只是一个雏形版本，离真正的沉浸式、高情感理解与表达的对话体验还有差距。比如：
生气、紧张、高兴、腼腆等不同的情绪表达上差异不是十分明显，表现力还不足；
对于方言，貌似小智还没学到位，试过让她用北京话、四川话、陕西话来说，发现基本还是普通话+方言词儿；
只有一种发音版本，缺少角色切换，实际的聊天语境中，必然是多种角色的，比如孩子、老人、男士、女士等，既然是高级语音对话，就应该能够灵活切换角色和语音。
03 结语
虽然说智谱AI的GLM-4-Voice高级语音模型的使用体验还有不少槽点，但可以看到，大模型的进化速度，的确比我们想象的要快。
语音、图片、音频、视频、语音对话等多模型全面突破，人类感知世界的各种器官功能，AI逐渐全部具备，更好的理解人类世界之后，AI一定能够更好的思考和解决问题
