核心功能

• 多模态交互

  支持文本、音频、图像、视频的多模态交互，具备视觉理解和真人般的听、看、思、说能力，实现智能感知与自然对话。

• 自定义模型

  支持用户根据特定业务需求自定义训练语音和对话模型，优化特定领域的语音识别率、语义理解和响应生成，快速部署专属AI交互方案

• 上下文理解

  具备强大的上下文语义理解能力，支持复杂任务的多轮对话，确保对话连贯性和逻辑性。

• 语音字幕双输出

  将AI的响应以自然流畅的语音和实时精准的文字字幕同时展示，满足多样化场景需求，提升交互的效率与可达性。

• 智能打断

  支持全双工通信和音频帧级别的人声检测，实现实时的双向对话与快速响应，用户可以随时插话或打断，确保对话过程更加流畅和自然。

• 大小流模式

  支持大、小流模式切换，在复杂和弱网环境下，确保低延迟和高传输可靠性，有效避免因数据丢失导致的大模型理解错误。