← 全部模型

端到端语音语言大模型(Flex)

发布时间 发布主体 Baidu

模型定位

百度面向灵活交互和任务型场景的端到端语音语言大模型。2026年9月16日官方公告宣布开启公测;官方API文档仍将接口标注为公测阶段。(cloud.baidu.com)

能力与用途

  • 支持实时自然语音交互、可打断对话,以及服务端自动语音活动检测(VAD)和客户端手动提交音频。(cloud.baidu.com)
  • 支持Function Call连接外部工具和业务系统、联网搜索,以及70余种预置音色。(cloud.baidu.com)
  • 发布公告称知识库检索增强(RAG)计划后续上线;此后官方API文档和2026年11月9日更新记录已列出RAG支持。(cloud.baidu.com)
  • 可用于智能音箱、车载及智能家居、语音助手、呼叫中心、企业知识问答和在线教育等场景。(cloud.baidu.com)

接入与限制

通过WebSocket实时语音协议接入;官方接口文档中的模型参数值为qianfan-realtime-flex-v1。接口处于公测阶段,有意接入者可向官方提交合作咨询。首个音频响应开始后,当前会话的模型和音色不能修改。使用知识库检索需预先在千帆平台创建知识库、上传文档,并确保API Key具有相应读取权限。(ai.baidu.com)

价格

截至2026年11月16日,查询了百度国内官方语音定价页和国际站模型定价页,均未找到可核实的Flex专属报价,因此其人民币或美元输入、输出计费金额及单位均未核实。国内定价页所列Pro、Lite价格不能直接视为Flex价格;国际定价页未列出Flex。(ai.baidu.com)

官方来源