Soul X 大模型——国内首个情绪赋能多模态大语言模型

产品定位

Soul X 是 Soul 自研的国内首个情绪赋能多模态大语言模型。2023 年在 WAIC（世界人工智能大会）上正式对外宣布，定位为「原生情绪价值第一大模型」。

Soul 官方对它的描述：

具备长时间记忆、上下文与环境感知功能，凭借多模态感知与实时交互能力，能够识别、理解并动态响应用户的情绪，为用户提供创作灵感和互动支持。

在 Soul 的产品体系中，Soul X 不是独立的 AI 聊天机器人（像 ChatGPT 那样），而是嵌入到各个社交场景中的 AI 能力层——灵感回复、AI 伴侣、音色克隆、派对主持辅助都是 Soul X 的具体应用。

三大核心能力

1. 长时间记忆

Soul X 能记住你和它（或和其他用户）之前聊过的内容。比如你跟 AI 伴侣说过"我叫小明，最近在准备考研"，下次聊天它还能记得这个上下文，不会每次都从零开始。

2. 情绪感知

这是 Soul X 区别于其他通用大模型的核心——它能识别和理解你的情绪：

• 文字情绪：从"今天好烦"里识别出负面情绪，推荐安慰型回复
• 语音情绪：从语音通话的语气、语速、音调里感知情绪变化
• 多模态：结合文字 + 语音 + 表情符号综合判断

3. 多模态交互

Soul X 同时支持：

• 文字输入 / 输出
• 语音输入 / 合成输出
• 图像输入（识别）
• 实时交互（低延迟响应）

技术路线

Soul 称自己的路线是"模应一体"——大模型开发不是最终目的，而是为社交核心场景寻找提升用户体验的创新解决方案。

Soul 同步探索大模型开发与应用落地，让用户自发"玩"起来。在 Soul，大模型开发并非是最终目的，而是为社交核心场景寻找提升用户体验的创新解决方案。为此，Soul 在场景中洞察需求，通过自研模型推出创新应用，在社交场景中快速触达用户获得反馈、实现迭代。

开源进展

2026 年，Soul 先后开源了多项能力：

• SoulX-FlashTalk（14B）：实时数字人生成模型
• SoulX-Singer：歌声合成模型
• SoulX-FlashHead（1.3B）：实时数字人生成模型

开源推动多个能力推进到可规模商用阶段。