财中社1月21日电近日，广发证券发布了一份针对传媒行业的深度报告，聚焦于豆包实时语音大模型的最新进展。1月20日，豆包实时语音大模型正式面世，并在豆包APP上全面开放使用。这款模型集成了语音理解与生成功能，实现了端到端的语音对话交互，专为中文语境和场景设计，依托先进的语音与语义联合建模技术。

据豆包大模型团队官方公众号披露，经过外部众测，豆包实时语音大模型在整体满意度上相较于GPT-4o展现出了显著优势，特别是在语音语气的自然度和情绪饱满度方面更胜一筹。该模型的成功得益于预训练阶段的Scaling+技术，以及后训练阶段采用的高质量数据和强化学习（RL）算法。这些技术共同推动了语音模型在拟人化、智商与表现力、低延迟等方面的重大突破。相较于传统语音对话任务系统，豆包实时语音大模型在对话自然度、有用性及安全性方面均有所提升。

在预训练阶段，豆包团队深入训练了各模态交织数据，精准捕捉并高效压缩了海量语音信息，通过Scaling技术，实现了语音与文本能力的深度融合和能力涌现。在后训练阶段，团队利用高质量数据与RL算法，进一步提升了模型的高情商对话能力与安全性。豆包实时语音大模型不仅实现了拟人化的情感承接、强大的声音控制和丰富的情感演绎能力，还实现了智商与表现力的平衡，以及丝滑的交互体验和超低延迟。

豆包大模型和应用布局领先，特别是在字节AI产业链中展现出巨大潜力。目前，字节旗下的通用大模型及多模态能力在国内大厂中处于领先地位。根据AI产品榜数据，截至2024年12月，字节旗下的豆包和猫箱两款App的月活跃用户数分别达到7116万和688万，成为国内AI对话和AI陪伴赛道的佼佼者。随着字节持续加大AI领域的投入，未来预计将有更多技术及应用方面的进展，字节AI产业链中的相关企业有望受益。

情感能力的提升将带动陪伴体验的升级，特别是在音频类平台接入方面值得关注。预计情感陪伴类产品将伴随模型能力的强化，在用户体验上有所提升。其中，豆包自身的对话类陪伴产品猫箱具备体验升级的巨大潜力；对于外部平台而言，以音频和对话为主的平台有望通过接入豆包情感模型，提升平台的服务能力。此外，AI玩具作为兼具教育与陪伴属性的AI硬件产品，也将显著受益于语音模型能力的提升。

投资建议方面，豆包实时语音大模型的发布进一步丰富了字节的AI生态，展现了字节AI在国内的领先地位，未来发展潜力巨大。同时，情感陪伴和AI玩具产品有望伴随语音类模型能力的强化，提升用户交互体验。建议关注以下几类公司：（1）与字节在AI领域具有合作基础的公司，如易点天下、蓝色光标等；（2）布局AI语音相关业务的公司，如盛天网络（音乐社交类平台“给麦”等）、昆仑万维（AI音乐产品Melodio和Mureka）等；（3）布局AI玩具的公司，如上海电影、奥飞娱乐等。从行业层面来看，随着AI大模型能力的提升和成本的边际下降，持续完善的AI基础设施有望更好地赋能AI游戏、AI影视、AI营销、AI情感陪伴、AI教育等多个场景。

（文章来源：财中社）