传媒行业点评报告：实时语音模型上线，继续布局AI陪伴及豆包产业链

　　豆包实时语音大模型上线并全量开放，或带动用户体验进一步提升

　　1月20日，豆包正式推出实时语音大模型，并在豆包APP全量开放。豆包实时语音大模型，是一款语音理解和生成一体化的模型，实现了端到端语音对话。相比传统级联模式，在语音表现力、控制力、情绪承接方面表现惊艳，并具备低时延、对话中可随时打断等特性。豆包实时语音大模型主要面向中文语境和场景（可进行英语对话，暂不支持多语种）。依托于语音和语义联合建模，豆包实时语音大模型拥有丰富表现力和巨大拓展潜力，呈现出接近真人的语音表达水准，在语音指令控制的泛化理解和演绎生成方面，显著突破原有边界，且可直接服务广大用户。根据外部用户真实反馈，该模型整体满意度较GPT-4o有明显优势，特别是语音语气自然度和情绪饱满度远高于后者。

　　真人级语音对话能力，或有望带来AI向AGI突破

　　豆包实时语音大模型主要有以下几个特点：（1）突破真人级语音对话能力的限制：真人级语音对话，能提供更为亲和的交互体验和情感价值，或是AI迈向AGI的关键里程碑。团队研发出了一套端到端框架，深度融合语音与文本模态。该框架面向语音生成和理解进行统一建模，最终实现多模态输入和输出效果。（2）智商与情商双双在线，赋予AI对话“真人感”：具体特征包括拟人化的情感承接，模型能够接住用户的内容与情绪，输出恰当表达；强大的声音控制和丰富的情感演绎能力，模型在对话或内容演绎中，可生动切换成不同角色/状态，配合不同情绪表达，增强交互趣味性和沉浸感；智商与表现力之间的平衡，模型对各维度信息进行深度理解，输出信息具备有用性与真实性。同时，输出语音表现力高度逼近真人，包括类人的副语言特征（如语气词、停顿思考等）；丝滑的交互体验和超低延迟。

　　实时语音大模型或进一步发挥AI情感陪伴价值，关注相关AI应用投资机会

　　据AI产品榜，2024年12月字节旗下虚拟角色APP猫箱MAU为688万，月增速达50.18%。在1月初的CES2025上，多家国内及日本厂商发布的AI情感陪伴玩具引发广泛关注。豆包真人级语音对话可以提供更真实的情感陪伴，有利于情感陪伴类应用进一步提升用户体验，也有望为AI端侧硬件打开更广阔的空间，如AI语音助手硬件以及AI玩具等。我们建议继续布局AI陪伴相关投资机会，重点推荐奥飞娱乐、盛天网络、顺网科技、网易云音乐，受益标的包括汤姆猫、实丰文化、世纪天鸿、富春股份等。据AI产品榜，2024年12月豆包MAU为7116万，月增速达18.64%。豆包实时语音大模型的推出有望进一步改善字节旗下应用体验，加速用户增长，带动字节系营销及相关产业链需求提升，重点推荐引力传媒，受益标的包括创业黑马、天龙集团、省广集团、蓝色光标、视觉中国、中文在线、遥望科技等。

　　风险提示：豆包大模型迭代速度不及预期；豆包AI应用商业化进程不及预期。

点击复制链接查看完整PDF研报

开源证券 方光照,田鹏