← 全部模型

端到端语音语言大模型(Flex)

發布時間 發布主體 Baidu

模型定位與發布

百度於 2026 年 9 月 16 日公告推出 Flex 公測版,定位為注重靈活性與任務執行的端到端語音語言大模型,提供自然語音互動與語音合成。(ai.baidu.com)

能力

  • 支援伺服器自動語音活動偵測(VAD)與手動提交音訊兩種互動模式。
  • 支援 Function Call,可連接外部工具與業務系統執行任務。
  • 支援 70 種以上預設音色及音色切換,並提供搜尋與指令遵循能力。
  • 發布公告稱知識庫檢索增強(RAG)將於近期上線;百度 2026 年 11 月 9 日的產品更新已確認 Flex 公測版支援 RAG。
  • 透過 WebSocket 進行即時互動,可串流回傳文字、音訊轉寫、音訊或函式參數。(cloud.baidu.com)

用途

適用於智慧音箱、車載語音、智慧家居、AI 語音助理、呼叫中心,以及結合企業知識庫與業務工具的行業應用。(cloud.baidu.com)

限制與接入

  • 官方文件標示介面處於公測階段,有意使用者需提交合作諮詢。
  • 手動提交音訊時,緩衝區音訊須至少為 100 毫秒;關閉 VAD 後,提交音訊還須另行建立回應。
  • 首次音訊回應開始後,不能修改該工作階段的模型與音色。(ai.baidu.com)

價格

截至 2026 年 11 月 16 日,查閱百度官方中國大陸產品及計費頁,以及官方國際站模型價目表,均未能核實 Flex 的公開價格、計費單位或輸入/輸出費率。中國大陸頁面列出的 Pro、Lite 價格不能套用於 Flex;具體費用請向百度洽詢。(cloud.baidu.com)

官方來源