3月31日下午消息，在百度AI DAY上，百度發布首個基于全新互相關注意力（Cross-Attention）的端到端語音語言大模型，宣布實現超低時延與超低成本，在電話語音頻道的語音問答場景中，調用成本較行業均值下降約50%-90%。
當日，文小言宣布品牌煥新，率先接入該模型，還帶來多模型融合調度、圖片問答等功能升級。接入該模型后，文小言不僅能支持更擬真的語聊效果，而且支持重慶、廣西、河南、廣東、山東等特色方言。據介紹，語音大模型具備極低的訓練和使用成本，極快的推理響應速度，語音交互時，可將用戶等待時長從行業常見的3-5秒降低至1秒左右。
更新后的文小言還支持“多模型融合調度”，整合了百度自研的文心X1、文心4.5等頂尖模型，并接入DeepSeek-R1等第三方優質模型，實現了多模型間的智能協同。用戶可以選擇“自動模式”，一鍵調用最優模型組合，也可根據需求靈活選擇單一模型完成特定任務，大幅提升響應速度與任務處理能力。
同時，文小言還加強了圖片問答功能，用戶拍攝或上傳圖片，以文字或語音提問即可直接獲取深度解析。例如，拍攝一道數學題可實時生成解題思路與視頻解析；上傳多款商品圖可對比參數、價格，輔助購物決策。
