百度千帆上线ERNIE 5.0正式版：端到端语音语言大模型重塑人机对话体验

2026年3月28日，百度智能云正式发布ERNIE 5.0大模型正式版，作为千帆大模型平台最新基座，其最大突破在于全球首创‘端到端语音语言统一建模’架构，彻底打破传统ASR-TTS分离式语音交互瓶颈。该模型基于全新Cross-Attention跨模态融合机制，将语音波形、文本语义、情感韵律在同一隐空间联合表征，使语音合成（TTS）不仅能复刻音色，更能精准传递‘犹豫’‘坚定’‘关切’等23种微表情级情感状态；语音识别（ASR）则能在方言混杂、背景噪音达75分贝的工业现场保持98.6%准确率。

ERNIE 5.0的‘超拟人对话’能力已在多个场景验证：在银行智能柜台中，其能根据客户语速变化自动调节应答节奏，对‘利率怎么算？’等模糊提问主动追问‘您想了解存款利率还是贷款利率？’；在教育陪练场景，其语音反馈延迟压缩至120ms，支持儿童实时跟读纠错。更关键的是，模型支持‘1句话声音复刻’——用户仅需提供5秒音频，即可生成高保真声纹，复刻成本降至¥4/次，较上一代下降80%。

百度同步升级千帆平台工具链：推出‘语音智能体开发套件’，开发者可拖拽配置情感策略、方言适配、行业术语库等模块，30分钟内完成定制化语音助手上线。目前，该技术已赋能百度‘客悦’服务营销一体化应用，在某连锁药店客服系统中，客户满意度（CSAT）提升27个百分点，重复来电率下降44%。业界分析指出，ERNIE 5.0标志着AI语音交互正从‘听得清、说得出’迈向‘懂情绪、会共情’的新纪元，为金融、医疗、教育等高敏感度场景提供了安全可靠的规模化落地基础。