2024年8月，科大讯飞正式推出星火极速超拟人交互技术，通过端到端语音建模与多维度情感解耦训练，实现响应速度、情绪共鸣、语音可控表达三大核心突破。该技术可精准识别用户语音中的情感波动，以适配语气实时回应，并支持语速、音色、角色人设的动态调整，标志着语音交互从“功能实现”向“情感连接”的跨越式升级。
目前，超拟人交互API已正式上线讯飞开放平台，开发者可低成本调用技术能力。在游戏领域，NPC能根据玩家情绪动态调整对话策略;教育场景中，AI口语陪练可模拟外教真实反应;文旅行业则涌现出“数字导游”，通过角色扮演与游客深度互动。某景区试点显示，搭载该技术的导游AI使游客停留时长增加40%，二次消费率提升25%。
传统语音交互系统因采用“语音识别-大模型处理-语音合成”的串联架构，导致平均响应时间达3秒以上，且情感传递依赖文本内容，难以捕捉语音中的语气、节奏等副语言信息。星火极速超拟人交互技术采用统一神经网络框架，直接实现语音到语音的端到端建模:语音信号经音频编码器提取特征后，与文本语义表征对齐，再由多模态大模型预测输出表征，最终通过音频解码器生成情绪自然、节奏精准的合成语音。这一创新使交互延迟压缩至0.5秒内，响应模式从“你问我答”升级为“实时对话”。
为实现真正的情绪共鸣，技术团队构建了多维度语音属性解耦表征体系，将内容、情感、语种、音色、韵律等要素分离训练。通过对比学习和掩码预测，系统可精准识别语音中的喜悦、愤怒、焦虑等情绪，并自动调整回应策略。例如，当用户焦急询问路线时，AI会以沉稳语气快速规划路径;当用户分享趣事时，AI则用轻松语调延伸话题。此外，开发者可通过API自定义AI角色人设，使其具备特定价值观、语言风格，甚至模拟名人音色进行互动。
为降低应用门槛，讯飞推出阶梯式定价策略:API调用成本低至0.1元/分钟，企业用户通过认证可获3个月、10小时免费试用额度。对比传统语音交互系统需单独采购语音识别、合成、NLP等模块，星火极速超拟人技术将整体成本降低60%以上。
