AI图像生成
AI从对话生成图像让聊天生动起来。描述场景即可看到与消息一起呈现的可视化内容。
一条会话里真正汇聚的东西
「多模态」是个很容易写到页面上的词。以下是一条 Soulkyn 会话真正能承载的具体东西，每一项都已经上线。
AI视觉能力
把图片发进聊天，你的 kyn 能看懂——你可以就一张照片提问，它们也能在自己的回复里附上一张图。
实时语音通话
不是按住说话：麦克风持续传输，配合实时语音活动检测和柔和的回合结束判定；字幕会在你说话时不断重新转写，回复则一边合成一边一句一句地送达。通话中你可以切换 kyn 的语言、你自己的语言，或强制使用它未经翻译的原声。通话时长不计量。
Vibe TTS，我们自研的语音引擎
我们自研的语音引擎在 0.07 秒内开口，生成速度是实时的 6 倍——在 4 个专用语音集群上已服务超过 17.5 万条语音。通话不会让你干等。声音会按 kyn 的性别与语言自动匹配，另有一个开关可强制使用未翻译的原声。
说话，而不是打字
输入框里有一个麦克风按钮：录一段语音消息，它会被转写进聊天里。
对话所携带的状态
精力、信任、好感、兴奋、心情、疼痛在 0 到 100% 之间浮动，实时更新，并反过来影响行为。当“情感上下文”是系统真正会读取的数字、而不是落地页上的一句话时，它就是这个样子。
从一条消息生成音乐
两套引擎——一条多语言快速通道，一条更慢但质量更高、用于完整歌曲。时长可选 1 到 4 分钟或留给自动，可切换纯伴奏，歌词可以从 kyn 的性格自动写出，也可以你自己用段落标签写，再加一段风格描述。音乐可以直接从聊天消息生成并附着在那条消息上。迄今已渲染超过 64 万首歌曲与片段。
还有视频
任意图库中的任意图片都能变成 5 秒或 10 秒的片段；若选择「视频 + 声音」模式则带声音。需要 Premium，生成在后台进行，完成时会有通知。
记忆增强互动
AI记住包括偏好和过去主题的对话历史。对话在会话间构建上下文而不重复信息。
对话背后的模型
Soulkyn 运行两个层级的文本模型。你的 kyn 使用哪一个取决于你的方案——无需配置，也无需开启。
标准聊天
标准聊天运行在我们自研的快速模型 Gwem上：反应快、表现稳，适合日常角色扮演。
Deluxe 聊天 — GLM 5.3
Deluxe 聊天运行在 GLM 5.3 上——一个 Opus 级模型，与最大的前沿助手属于同一个体量级别。记忆更深，对白更利落，角色是真的记得住故事。而且不限量，因为它跑在我们自己的硬件上。
Soulkyn 在私有集群上自托管了一个 753B 级的前沿模型——这正是“不限量”只能在这里成立的原因。Deluxe 与 Deluxe Backer 的文字聊天会自动使用它；语音通话不适用。
终极定制
定义包括个性风格和对话偏好在内的角色特征。调整语音设置和响应模式以匹配您想要的内容。
多模态AI集成的力量
文本+图像
通过文字交流并接收可视化您描述的AI生成图像，创造更丰富的对话体验。
语音识别
自然地与您的AI伴侣交谈，并获得理解语调、口音和对话上下文的智能响应。
情感分析
精力、信任、好感、兴奋、心情、疼痛在 0 到 100% 之间浮动，实时更新，并反过来影响行为。当“情感上下文”是系统真正会读取的数字、而不是落地页上的一句话时，它就是这个样子。
视觉理解
与您的AI伴侣分享图像并根据视觉内容和上下文获得深思熟虑的回应。
记忆集成
享受在所有模态中记住您的偏好、历史和上下文的对话，实现真正个性化的互动。
无缝过渡
在保持一致对话上下文的同时轻松切换文本、语音和视觉互动。
关于多模态AI的常见问题
什么是多模态AI聊天？
多模态AI处理文本、图像、语音和其他媒体格式。这些系统不仅提供文本响应，还能理解不同格式的上下文，实现更自然的对话。
语音交互为AI聊天增加了哪些好处？
不是按住说话：麦克风持续传输，配合实时语音活动检测和柔和的回合结束判定；字幕会在你说话时不断重新转写，回复则一边合成一边一句一句地送达。通话中你可以切换 kyn 的语言、你自己的语言，或强制使用它未经翻译的原声。通话时长不计量。
情感分析如何改善AI对话？
精力、信任、好感、兴奋、心情、疼痛在 0 到 100% 之间浮动，实时更新，并反过来影响行为。当“情感上下文”是系统真正会读取的数字、而不是落地页上的一句话时，它就是这个样子。
记忆在多模态AI系统中扮演什么角色？
记忆由三部分构成：逐条消息的向量回忆、链式滚动摘要，以及你自己写下的强制记忆，全部跑在同一个存储上；新消息在几分钟内就可被回忆。
多模态AI聊天互动有多安全？
说具体的，而不是含糊的：图像生成控制项里有一个 Share Generation Data 开关，决定你的提示词和参数是否随公开图片一起流出。强制记忆只作用于单条会话。小说和人格默认私有，发布是一个有意的动作——对小说来说还可以撤回。语音通话不计量，且运行在标准模型上；Deluxe 模型只适用于文字聊天。
继续探索
大家接着看的页面。