AI 有声，对话有温度，声网发布《2025对话式 AI 发展白皮书》

随着 GPT-4o 等实时语音交互模型的突破，对话式 AI 呈爆发式发展趋势，一场以“自然交互”为核心的人机交互变革已然拉开序幕。对话式 AI 正从工具执行，演变为能够主动参与、深度理解用户意图、并提供个性化体验和效率提升的智能伙伴。与此同时，对话式 AI 在各行各业的应用价值也被几何级放大。然而，面对复杂的技术选型、体验评估与场景落地，开发者与创业者该如何把握方向、精准发力，抢占先机？

作为全球领先的实时互动技术以及对话式 AI 云服务商，声网研究院联合 RTE 开发者社区推出了《对话式 AI 发展白皮书》。该白皮书基于声网对行业的深刻洞察和自身经验，从发展背景、技术模块、产品方案及生态、对话体验质量评估方法、应用实践落地等多个维度，系统地梳理了对话式 AI 的发展现状与未来趋势，为行业打造了一本可落地的实践指南。

VoiceAgent 级联模式仍为主流，端到端代表未来

《白皮书》指出，随着对话式 AI 技术的快速发展，VoiceAgent 是目前市场上极具代表性的产品形态。当前，Voice Agent 主要有传统的级联模式（ASR+LLM+TTS） 与端到端模式两种主流架构。级联模式以其高灵活度、成本优良带来的灵活性，仍是现阶段大多数企业的首选；而端到端模式则在高性能、快速部署方面潜力更大，代表着未来演进方向。在声网看来，成熟的生态协作已成为推动对话式 AI 普及的关键。从 Deepgram、MiniMax、OpenAI 到国内的通义千问、智谱清言、豆包等 LLM 厂商，从语音识别、语音合成到实时通信技术提供商，一个覆盖技术链各环节的开放生态正在形成。

首发“三维二轨”评估体系：量化对话体验，告别“凭感觉”优化

如何科学评价人机交互体验一直以来都是行业亟须解决的关键问题。为此，声网创新性提出了对话式 AI “三维二轨”评估体系，从理解能力、表达能力、交互能力三个核心维度出发，通过基准测试和用户导向测试两条路径，对对话式 AI的体验进行系统化分析，帮助开发者跳出“凭感觉优化”的困境，实现体验的精准提升。

此外，白皮书中还推荐了对话式 AI 模型评测平台，该平台在基于声网对话式 AI 引擎的基础上，可以实时横向评测级联大模型中 ASR、LLM、TTS 的延迟数据、词错误率、字母数字性能以及价格估算等多项指标，并涵盖了全球市场主流的模型供应商，开发者可根据性能的数据表现，选择更适配自身业务的模型。

场景热力榜单发布：AI语音助手、社交陪伴、潮玩类应用位列前三

对话式 AI 的爆发开启了人与 AI 互动的新纪元，硬件、教育、社交等各个领域的应用场景也随之而来加速裂变。声网联合 RTE 开发者社区发布了《2025 对话式 AI 应用场景热力榜单》，AI语音助手、AI社交与陪伴、AI潮玩位列前三，充分说明对话式 AI 在个人助理与情感陪伴领域的强劲需求。紧随其后的 AI 教育硬件、AI 硬件、AI 客服、口语训练、AI招聘等多元场景，进一步表明对话式 AI 技术正从消费端向产业端加速渗透。

此外，《白皮书》不仅通过“热力榜单”的发布描绘了对话式 AI 的多元场景，更通过丰富的应用案例对AI社交、AI陪伴硬件、AI眼镜及AI教育等关键赛道进行了深度剖析，生动地展示了对话式AI 如何从技术整合、用户体验到商业模式，全方位地融入并重塑各个行业的实际价值与演进路径。例如，MiniMax旗下的「星野」展现了 AI 社交如何融合情感陪伴与UGC生态；珞博智能的AI宠物「芙惠Fuzozo」揭示了 AI 陪伴硬件在多模态交互与情感记忆方面的突破；Ray-Ban Meta 智能眼镜则让我们看到 AI 眼镜作为下一代智能穿戴设备入口的潜力。