【ITBEAR】8月9日消息，火山引擎今日宣布，正式推出其对话式 AI 实时交互解决方案，该方案依托于火山方舟大模型服务平台。这一创新技术方案的发布，标志着字节跳动在AI实时交互领域迈出了重要一步。
据悉，该解决方案利用火山引擎的RTC技术，实现了语音数据的采集、处理和传输，并深度融合了豆包・语音识别模型与豆包・语音合成模型，极大简化了语音与文本之间的转换流程。这一整合不仅提供了智能对话能力，还赋予了应用自然语言处理的能力，使得用户能够与云端的大模型进行实时语音通话，体验前所未有的交互便捷。
据ITBEAR了解，火山引擎的对话式 AI 实时交互解决方案设计注重易用性，用户只需调用标准的OpenAPI接口，即可轻松配置所需的语音识别（ASR）、大语音模型（LLM）、语音合成（TTS）的类型和参数，无需复杂设置。而火山引擎的AIGC RTC-Server则负责边缘用户的接入、云端资源的调度、文本与语音的转换处理以及数据的订阅传输，确保服务的高效运行。
该技术方案拥有三大显著优势：首先，它支持随时打断和直接插话，增强了交互的自然流畅性；其次，不受AI服务部署区域的限制，整体响应延时能够低至1秒，确保了实时交互的体验；最后，客户端提供的音频帧级别语音活动性检测（VAD），能够精准识别音频信号中的人声与静默状态，进一步优化了交互质量。
以下是火山引擎对话式 AI 实时交互的Demo展示：
