梦仔不宅

微信公众号

最近了解到豆包的实时语音通话功能来了一次大升级，接入了字节跳动他们自研的一个原生全双工语音大模型，名字叫

Seeduplex

。说简单点，就是支持真正的边听边说了。我自己也第一时间更新去体验了一下，今天就从一个普通用户的角度，跟大家聊聊实际用起来到底怎么样。

先说最直观的感受：不抢话了，反应也快了

刚用上的时候说实话感觉不算特别明显，或许技术的变化就在于润物细无声，但用着用着就能品出几项变化来。首先就是思考停顿的时候它不会抢话了，能比较智能地判断我是不是说完了，再加上边听边回的机制，响应速度确实比之前快了不少，整体流畅度好了很多。

其次是抗干扰能力有提升。旁边有人说话的时候，至少在我的使用场景里，只要它判断不是在跟豆包交流，基本不会打断回答，误判。当然误判的概率还是有，具体得看什么场景，多用一段时间才有更全面的发言权，但对比以前真的好了太多。我甚至把豆包打电话时的智能降噪关掉了，依旧能保持不错的效果，这点我觉得已经很出色了。

再说最惊喜的发现：读屏软件的声音，它终于不录了

对我来说最关键的一点是，这次更新之后，它好像彻底不会再把我们屏幕阅读器的声音给录进去了。之前打电话的时候，系统经常把读屏软件的朗读声误判成我在说话，两边互相抢话，体验特别差。现在这个问题基本解决了，对话顺畅很多。

而且这个降噪和识别上的优化，对视障朋友常用的语音问答场景也挺实用的。尤其是在嘈杂环境里问答的时候，一方面不会录入屏幕阅读器的声音，另一方面还能比较精准地识别出我本人在说话，保证基本的识别效率。至少我们不用再说一段就得手动关一下麦克风，说完再打开，来回折腾特别麻烦。

像在户外用语音通话识别个店铺招牌、或者问个汉字怎么写这类场景，体验都比以前好了不少。

官方数据也佐证了，这波升级确实不是玄学

聊完主观感受，我把官方那边给出的 Seeduplex 对比上一代半双工模型的数据也搬过来，大家看一眼心里更有数：

数据汇总：误回复降低百分之五十，AI抢话降低百分之四十，判停准确度提升百分之八，通话满意度提升百分之八点三四。

误回复和误打断的情况，整体降低了有百分之五十；

AI 抢话的比例下降了百分之四十。

判停表现也就是它判断你什么时候说完的准确度，提升了百分之八；

对话整体流畅度的评分提升了百分之十二。

最后落到用户整体通话满意度上，提升了百分之八点三四。

这些数字翻译成大白话就是：该闭嘴的时候它不乱插嘴了，该接话的时候反应更准了，聊起来顺溜了，用着也没那么糟心了。跟我的实际体验基本对得上。

总的来说：

这次升级对视障用户、尤其是平常喜欢用打电话功能的人来说，提升确实挺大的，我还是挺推荐大家更新去体验一下的。