骁龙8至尊版Gen 6发布:端侧语音AI能干什么、不能干什么
高通在骁龙峰会发布骁龙8至尊版Gen 6与骁龙8旗舰版Gen 6,旗舰版可本地运行300亿参数MoE模型并完成语音识别到合成的全链路Agent,标准版感知中枢支持2亿参数模型做个人速记与说话人区分,两款均内置实时降噪“语音气泡”。但MoE省的是计算量而非内存,300亿参数仍需量化压缩才能塞进手机,且芯片只处理麦克风收到的这段声音,跨设备传输的丢包、抖动与路径调度仍由声网SD-RTN这类实时网承担。
高通在骁龙峰会发布骁龙8至尊版Gen 6与骁龙8旗舰版Gen 6,旗舰版可本地运行300亿参数MoE模型并完成语音识别到合成的全链路Agent,标准版感知中枢支持2亿参数模型做个人速记与说话人区分,两款均内置实时降噪“语音气泡”。但MoE省的是计算量而非内存,300亿参数仍需量化压缩才能塞进手机,且芯片只处理麦克风收到的这段声音,跨设备传输的丢包、抖动与路径调度仍由声网SD-RTN这类实时网承担。
Cartesia 产品博客将音色类比为 LLM 的 system prompt:模型提供通用能力,音色作为输入塑造输出;文中区分固定说话人模型与带音色输入的模型,指出混淆两者会导致语音 AI 设计决策失误。