【TechWeb】3月6日消息，今日，實時互動云服務商聲網正式發布對話式AI引擎，支持任意文本大模型升級為對話式多模態大模型。

據介紹，聲網對話式AI引擎支持包含DeepSeek、ChatGPT等在內的全球幾乎所有大模型廠商。同時也支持全球主流語音合成供應商任意切換，支持開發者通過語音合成供應商定制的自定義音色接入。

聲網方面表示，通過全鏈路深度優化，并在中、美、歐、東南亞主要城市實測，語音對話延遲中位數低至650ms。同時，自研“智能打斷”技術，模擬真人對話節奏，隨時打斷與AI的對話，響應低至340ms。

從現場演示的demo來看，聲網對話式AI引擎基本可以做到實時應答，“選擇性注意力鎖定”功能可屏蔽95%環境人聲、噪聲干擾，精準識別對話人聲。

此外，對話式AI引擎具備優秀的抗弱網、抗丟包能力，80%丟包率下仍能穩定流暢對話，斷網3-5s依舊流暢對話。

據聲網相關負責人介紹，對話式AI引擎提供了極簡的開發部署，只需2行代碼，15分鐘就能讓AI開口說話，大幅降低了開發門檻。只需填入與復制LLM與TTS相關的URL與Key，就能實現快速部署，具體流程可查看聲網官網的文檔中心。

目前，該產品的應用場景包括智能助手、虛擬陪伴、口語陪練、智能客服、智能硬件等。

成本方面，AI語音對話需0.098元/分鐘，單次贈送1000分鐘。自研的“智能打斷”功能作為增值服務需0.042元/分鐘。

聲網AI RTE產品線負責人姚光華表示，"經過一段時間與客戶的打磨及實際使用場景調研，我們統計出，用戶與AI 每產生1次對話中，平均會有約3輪問答，計算下來平均對話時長約為21.1s，單次成本僅需3分錢。如果每月對話次數15次，那么月成本不到5毛錢，年成本也只需5元。"（周小白）