一句话复刻专属声线！科大讯飞多模态数字人 “小飞” 重塑智能交互新体验

　　2025 科大讯飞 1024 开发者节上，两大 AI 创新成果惊艳亮相：多模态数字人 “小飞” 正式上岗，以八项核心能力打造 “类人” 服务体验;业界首发的 “百变声音复刻” 技术，仅凭一句话即可高保真复制音色，为声音创作领域带来革命性突破，标志着 AI 交互正从 “能用” 向 “有温度、个性化” 全面升级。

　　多模态数字人 “小飞”：从工具到 “类人” 伙伴的跨越

　　已实际投入服务的数字人导览 “小飞”，彻底打破了传统数字人简单问答的局限，成为能深度融入真实物理空间的智能伙伴。其核心优势集中体现在三大维度：

　　在交互能力上，“小飞” 支持多人自由对话场景，无需固定轮流问答模式，可精准捕捉多用户同时发起的需求并逐一回应。依托强大的多语种处理能力，它能流畅完成中英日韩等 10 余种语言的实时交流，还能保留方言口音特色，消除跨语言沟通障碍。更具亮点的是其个性化记忆功能，能主动记录访客历史咨询信息、偏好设置等内容，后续互动时提供针对性提醒与服务。

　　在呈现形式上，“小飞” 实现了虚拟形象的秒级切换，既能以专业导览员形象提供标准化服务，也能化身 “林黛玉” 等经典角色，为文旅讲解、展厅互动等场景增添趣味性与沉浸感。这种灵活的形象适配能力，让智能服务不再局限于单一风格，可满足不同场景的氛围需求。

　　科大讯飞董事长刘庆峰介绍，“小飞” 的核心突破源于远场识别、3D 视觉感知、情感语义理解等八项核心技术的深度融合。它不仅能听懂用户指令，还能通过表情、肢体动作传递情感，实现 “面对面” 的多模态互动，让 AI 服务从冰冷的功能输出，转变为有温度、有深度的人性化陪伴。

　　“百变声音复刻” 技术：一句话解锁声音创作自由

　　同步发布的 “百变声音复刻” 技术，基于科大讯飞星火语音大模型研发，创下业界 “最短样本、最高保真” 的双重突破。用户只需录制一句话的音频样本，系统便能快速提取音色、语调、情感等核心特征，高保真复刻出专属声线，情感还原度高达 92%，声音误差控制在 50 毫秒以内。

　　这项技术的创新之处在于 “复刻 + 创作” 的双重能力。完成音色复刻后，用户通过一条指令即可让复刻声音切换任意风格 —— 既可以生成温柔的睡前故事语调，也能模拟激昂的演讲语气，甚至支持添加笑声、停顿等细节标签，实现语气的动态调节。其跨语言适配能力同样突出，可支持中英日韩等多语种混合生成，为跨文化内容创作提供便利。

　　从应用场景来看，“百变声音复刻” 技术将重构多个行业生态。在数字人领域，可快速为虚拟主播、数字员工定制专属声线，解决当前数字人声音同质化问题;在内容创作领域，有声读物作者、自媒体创作者无需专业录音设备，就能生成个性化配音，大幅降低制作成本;在消费电子领域，还可应用于手机语音助手、智能音箱等设备，让用户拥有专属交互声音。

　　技术落地：连接大模型与真实场景的桥梁

　　无论是多模态数字人 “小飞”，还是 “百变声音复刻” 技术，本质上都是科大讯飞推动大模型场景化落地的重要探索。正如 AI 数字人一体机的行业实践所示，“软硬结合” 的解决方案能有效降低大模型部署门槛，让先进 AI 能力快速转化为可感知的服务体验。

　　“小飞” 已率先在展厅导览、政务服务咨询等场景上岗，其 “类人” 交互能力不仅提升了服务效率，更通过亲和力十足的沟通方式消除了技术距离感。而 “百变声音复刻” 技术的落地，将进一步丰富数字服务的个性化维度，让每个人都能拥有专属的 AI 交互标识。

　　未来，随着两项技术在更多场景的渗透，从文旅讲解、企业培训到客户服务、内容创作，AI 交互将迎来 “千人千面” 的新时代。科大讯飞通过技术创新，正持续搭建大模型与真实世界的连接桥梁，让智能服务真正融入生活的每一个角落。