【公测】端到端语音语言大模型Flex全新上线：让语音交互"能听懂，能办事"

控制台

【公测】端到端语音语言大模型Flex全新上线：让语音交互"能听懂，能办事"

发布日期：2026-09-16 07:21浏览量：2563次

近日，百度端到端语音语言大模型Flex正式开启公测。Flex 版聚焦灵活性、任务型场景，在端到端语音交互与自然语音合成的基础上支持 Function Call，实现语音理解与任务执行的完整闭环，让语音助手从"能说会道"升级为"能查会办"。点击了解产品详情。

亮点解析

双模式 VAD，随说随答：支持自动 VAD（服务端自动检测语音端点、智能断句）的同时，支持手动 VAD（客户端灵活控制音频发送时机），双模式自由切换
Function Call，实现任务闭环：支持通过 Function Call 连接外部工具与业务系统，实现语音理解、决策规划与任务执行一体化闭环，一句话即可完成真实业务动作
音色随心选，打造丰富语音体验：支持 70+ 音色随意选择，可覆盖多类音色风格，按业务场景自由切换，打造差异化的品牌听觉形象
智能搜索，实时精准应答：高效处理天气、日历等查询需求，并且伴随强大的信息检索和指令跟随能力，对于时效性和非时效性问题，均能给出精准实时回答

场景应用

Flex 可广泛应用于智能硬件、AI 助手及各类行业应用，以"能听、能说、能办事"的语音交互能力，助力业务智能化升级

智能硬件：为智能音箱、车载语音、智能家居等设备提供低时延、可打断的自然语音交互，复杂声学环境下依然流畅稳定
AI 助手 / 语音 Agent：通过 Function Call实现查询、检索、下单、控制等真实任务的语音触发，打造"全知全能"的智能助手
呼叫中心：赋能智能客服、外呼营销等场景，实时理解用户意图并联动业务系统完成答复与办理，构建全时响应的服务生态
行业应用：按需接入行业知识库与业务工具，灵活适配金融、教育、医疗、政企等场景的定制化语音需求

当前Flex版已正式公测，如需体验，可参考接口文档进行体验（WebSocket 实时语音协议，支持服务端 VAD 自动响应与手动提交两种模式）；同时，RAG 能力也将于近期上线（进一步打通"语音理解—知识检索"链路），敬请期待。

如需进一步了解，您可提交合作咨询，或联系您的商务经理。

百度语音现已推出：端到端语音语言大模型、大模型声音复刻、短语音识别标准版、短语音识别极速版、实时语音识别、音频文件转写，短文本在线合成、长文本在线合成、定制音库，呼叫中心实时语音通话、呼叫中心语音质检、呼叫中心音频文件转写等多款语音产品，同时提供有声阅读解决方案、呼叫中心语音解决方案、语音数字大屏、智能语音会议、智能语音指令、语音字幕服务等场景化解决方案，满足各类语音场景需求。提供在线API 、HTTP SDK 、离线SDK 、私有化部署、一体机等多种部署方式，接入便捷、稳定可靠。

上一篇：【开放公测】「文档矫正增强V2」「文档去手写V2」全新升级！

下一篇：【降价通知】低至0.03元/页！文档解析全面焕新

技术能力

查看全部AI能力

合作咨询

填写您的业务需求，专属客户经理会尽快联系您，提供1对1咨询服务

售后智能助手

智能诊断，快速解决使用问题

更多咨询，请拨打400-920-8999 转 1

体验AI

Web端前往AI能力体验中心

移动端打开百度APP“扫一扫”