待验证50% 置信观点精确时间

新一代语音模型可能从语音中推断出说话者的情绪状态、健康状况、地域民族背景、年龄、性别甚至压力水平

1

来源数

50%

置信度

长期有效

时效性

2026/8/9

首次发现

来源

深度实测：ChatGPT语音模式能听懂语气、口音和情绪

相关事实

待验证新一代端到端语音模型直接在音频层面训练，无需先将语音转为文字，可直接捕捉声学特征和情绪73% 相似已验证端到端语音模型直接以音频为输入和输出，在音频token层面进行理解与生成，保留语调、语速、叹气、笑声等声学特征72% 相似待验证新一代语音 AI 模型将音频直接作为模态输入，跳过文字转写环节，实现更自然的情感感知和语调变换72% 相似待验证新模型能感知说话者的音量、语气等副语言信息，并主动调大音量或切换状态71% 相似已验证新一代语音交互转向端到端的多模态模型架构，直接在语音信号层面理解和生成，压缩延迟并保留副语言信息69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/714651

API

curl https://kongchang.com/api/v1/knowledge/claims/714651

MCP

get_claim(id=714651)