百度“文小言”功能升级，支持多模型融合调度

3月31日，百度宣布“文小言”完成了全方位的品牌焕新与功能升级。除了全新的品牌视觉形象外，文小言在此次升级中聚焦于模型开放与功能创新，支持多模型融合调度，并升级了语音大模型、图片问答、AI生图生视频等多项能力。

文小言此次升级的核心亮点在于“多模型融合调度”。通过整合百度自研的文心X1、文心4.5等顶尖模型，并接入DeepSeek-R1、可灵等第三方优质模型，文小言实现了多模型间的智能协同。用户只需选择“自动模式”，即可一键调用最优模型组合，或根据需求灵活选择单一模型完成特定任务，大幅提升响应速度与任务处理能力。

例如，以“设计三种风格的南偏东客厅效果图”为例，文小言能够精准解析装修风格差异，调用文心X1完成深度推理，生成三幅风格迥异但视角一致的装修效果图；而随手拍摄一张茅台镇的照片，文小言则可以调用文心4.5的多模态分析能力，精准识别出地理位置、当地产业、建筑风格等详细信息。

此次，文小言还进一步提升了全新语音大模型、图片问答、AI生图生视频等能力。在语音交互方面，全新语音大模型支持方言对话、复杂知识问答及随时打断等场景，用户可进行语音知识问答或趣味角色扮演。

百度语音首席架构师贾磊透露，这一模型是百度在业界首个推出、基于全新互相关注意力(Cross-Attention)的端到端语音语言大模型。在语音场景满足一定交互指标下，大模型调用成本比行业平均降低50%-90%，推理响应速度极快，将语音交互等待时间压缩至1秒左右，极大提升了交互流畅性。

图片问答功能让用户可以通过拍摄或上传图片，以文字或语音提问直接获取深度解析。例如，拍摄一道数学题可实时生成解题思路与视频解析；上传多款商品图可对比参数、价格，辅助购物决策；拍摄杯子设计图后，AI可自动解析风格并生成同款手机壳、支架等周边产品。

值得一提的是，新增的“图个冷知识”功能更富趣味性，用户可预设“历史学者”“科技达人”等人设视角，为同一图片赋予多维解读。例如，当用户询问“猫窗探秘，为何猫爱窗边的科学真相？”时，文小言能从狩猎本能、能量获取、领地意识等角度给出独特解读。

百度AI产品创新业务负责人薛苏表示，“AI的未来不再是单纯的技术参数比拼，而是如何通过多模型协同，真正为用户创造价值。文小言希望通过开放生态，整合顶尖模型能力，做出更强大、更简单的AI产品。”

当前，大模型的竞争聚焦于三个方面，模型、产品和营销三个方面，通过文小言的品牌焕新，百度正试图通过开放的多模型的融合，试图打造一个更加智能和高效的AI助手。