隨著智能體時代到來，云知聲在“山海·Atlas”通用智算基座持續演進基礎上，年前實現了“山海·知醫”5.0醫療大模型升級，今天迎來了“山海·知音”2.0的重磅發布，正在完成“一基兩翼”技術戰略升級的能力拼圖。

“山海·知音”大模型 2.0——依托“山海·Atlas”的多模態、跨語言基座能力，讓“山海·知醫”等垂直專業智能體，惠及千家萬戶——聽懂專業與鄉音、聊出親情與溫度、極致機敏反應，是本次升級的三大能力進化。

1聽懂專業與鄉音——ASR全景升級

此次模型ASR能力在公開測試集和自有全場景測試集中，均顯現了領先的語音識別能力，在評測中實現了從通用到極端全面的領先水平，超過了國內主流的開源和閉源語音大模型，達到業界最高水平。特別是在高難度的復雜噪音與方言口音場景下，相比主流ASR模型性能提升了2.5%至3.6%，在復雜背景音環境下識別準確率更是在業內首次突破90%。

公開測試集

自有測試集

案例展示1：高噪環境下精準識別——商場購物

真實的語音識別環境中，還經常會面臨專業術語識別不清、邏輯混亂等挑戰。作為此次升級中最大的亮點，即模型“能夠聽得懂專業話”，它可結合上下文和行業術語，聽懂專業場景中的每一個術語與指令，識別精度提升 30%。“它不是在‘聽字’，而是在‘理解事’”。

例如在汽車4S店試駕場景中，當銷售提及“方向盤”相關描述時，即使上下文未明確出現“半幅方向盤”，模型仍能通過邏輯推理準確識別。

案例展示2：上下文理解——汽車4S店試駕

而在嚴肅的醫療場景，模型能顯式注入“依帕司他”“二甲雙胍”等術語進行定向增強，確保識別結果更精準。

案例展示3：專業知識庫——醫療對話錄音轉寫

同時，模型支持30余種中文方言及14種國際語言的識別轉寫，無論是晦澀的粵語、閩南語、上海話，還是英、日、韓、法、德、泰等國際語言，均能實現精準轉寫。更進一步，模型還能融合講義等視覺語義，構建“視聽融合”閉環交互，進一步提升識別結果。

案例展示4：多方言語種混切——商務會議

2聊出親情與溫度——TTS聲動進化

如果說ASR能力是“耳朵”，那么TTS能力便是“嘴巴”。山海·知音-TTS以“高度擬人+創意多元”為核心，讓語音合成兼具真實感與創造力，使科技更有溫度。

它目前支持12種方言(粵語、四川話、上海話全拿下)+ 10種外語，清嗓、笑聲、呼吸聲都自然還原，甚至能切換 12種普通話風格，溫柔、干練、親切隨你選。“科技不該高高在上，而該用你最舒服的方式說話。”

案例展示5：細膩情感表達——AI電商直播

山海·知音2.0-TTS合成文本

高興：“家人們!下一個品!魔法保溫杯!矮油厲害啦!倒進去的開水，只要60秒!一分鐘的時間，就變55度溫泉水!再倒杯冰美式進去，半小時還是透心涼!哎淺嘗一下!”

咳嗽：“咳咳…對、對不起啊…太激動了嗆到了…”

沉穩：“呃，等一下等一下等一下…這個杯底怎么在漏水啊?不是吧剛開播就翻車?我打開看下啊，害，是我剛才試用的時候把密封圈給碰歪了。啊沒事，調一下，真金不怕火煉啊!這就沒問題啦!”

大聲：“哎，但是家人們福利來了啊!品牌方剛說了：看過剛才翻車的各位，只要您下單，立享三年只換不修!上鏈接!”

目前模型已支持粵語、四川話、上海話等12種方言，以及日語、韓語、泰語等10種外語。可實現跨方言、跨語種、跨情感的組合生成，針對小語種的語音韻律也進行了專項優化——如日語的“促音”、泰語的“聲調變化”，合成自然度接近母語使用者。

案例展示6：多語種、方言支持——文旅宣傳

山海·知音2.0-TTS合成文本

這就是上海，等你來解鎖更多精彩。

此外，還支持一句話聲音復刻以及播客級長文本合成，賦能有聲內容創作與互動娛樂。

案例展示7：一句話聲音復刻——視頻配音

結合樣音1的音色與樣音2的情感特征，生成目標文本的音頻

山海·知音2.0-TTS合成文本

什么?還要我等三十分鐘?一天有多少個三十分鐘?這天都快黑了，誰愛等誰等。

案例展示8：音色復刻——兒童伴讀

山海·知音2.0-TTS合成文本

在遠離城市燈火的地方，有一處“靜語森林”。這里的樹葉會在傍晚唱起輕柔的搖籃曲，溪水會隨著月光流淌出銀色的旋律。在森林最深處住著一只名叫小絨的松鼠，她有一個特別的身份——她是這片森林的星光編織師。

案例展示9：播客級長文本合成——播客

山海·知音2.0-TTS合成文本

A:哎，你有沒有注意到，長大后我們學到的那些最關鍵的生存技能，其實根本不是學校里教的那些東西?

B:呵，你是說…職場摸魚?

A:呵呵，太膚淺了!呵!其實是“如何體面地結束一場你不想繼續的對話”。這可是門藝術啊!

B:對對對!我最懂這種感受!

A:從電梯里被話癆同事攔住，到家庭聚會上應付催婚的親戚…

B:哦——!我知道了!還有就是，接到那些討厭的推銷電話時，如何不讓對方覺得你是個壞人，卻又能干脆利落地把它掛掉!

基于大模型的語音合成通常采用流匹配(Flow Matching)將大語言模型預測的語音Token轉換為梅爾譜，再通過神經聲碼器(Neural Vocoder)重建為最終語音。但該方案普遍存在延遲較高的問題。業界常通過流匹配分段處理來降低延遲，但效果有限，且容易犧牲音質。

為實現真正高質量、低延遲的流式語音生成，云知聲創新性地設計了基于純因果注意力機制的流匹配模塊，并與神經聲碼器進行聯合優化，構建出端到端的純流式推理架構。該方案在不損失合成質量的前提下，顯著降低系統延遲——在低并發場景下，首包延遲已壓縮至90毫秒以內，達到業界領先的實時交互水平。

因果注意力機制

3極致機敏反應——端到端全雙工交互

真正的智能交互，在于“理解語境、感受情緒、自然回應”。端到端模型實現流暢全雙工面臨的核心挑戰是：需在流式收聲時同步完成理解、決策與生成，并在任意打斷瞬間保持對話狀態連貫。山海·知音2.0基于端到端交互大腦攻克了這一難題，將全雙工能力提升至新高度。

支持隨時打斷、即時接話、連貫追問，就像和一個真正聰明的朋友聊天，行云流水，毫無卡頓。“這不是問答，是對話。”

案例展示10：端到端全雙工交互——與山海大模型對話

背后是誰在支撐這一切?

答案是云知聲獨創的 “山海·Atlas”智算一體基座，將通用多模態大模型底座與Atlas基礎架構深度整合，既是專業智能體的基礎，也是感知AI中樞的根基——將傳統的ASR、TTS和全雙工能力，有效整合到端到端大模型中，做到傳統模塊級聯無法實現的極致交互體驗和效率。

智起山海，知音萬物

從手術室到鄉間小路，從駕駛艙到老人床頭，

云知聲相信：真正的智能，不是炫技，而是融入生活。

山海·知音 2.0，

讓 AI 不再“人工智障”，

而是聽得清、說得真、懂人心的伙伴。

這一次，AI 終于學會好好說話了。