اپلیکیشن دسکتاپ همه‌کاره انسان دیجیتال مبتنی بر هوش مصنوعی AIGCPanel، نسخه ۲.۵.۰ خود را منتشر کرد. این نسخه قابلیت‌های صوتی ابری را که پیش از این کاربران بدون کارت گرافیک را ناتوان می‌گذاشت، مستقیماً به دسکتاپ می‌آورد. هسته اصلی این به‌روزرسانی ساده است: کافیست کلید API سرویس صدای دوبائو (Dobao Voice) از Volcano Engine یا دش‌اسکوپ (DashScope) از Alibaba Cloud را در بخش «سایر مدل‌ها» در صفحه مدل‌های هوش مصنوعی وارد کنید تا مدل صوتی ابری بلافاصله فعال شود. اکنون افرادی که هیچ کارت گرافیکی روی دستگاه محلی خود ندارند، می‌توانند سنتز گفتار با کیفیت بالا را از طریق راه‌حل ابری انجام دهند.
مرحله وارد کردن کلید به طور خاصی راحت شده است. قبل از ذخیره، نرم‌افزار ابتدا جمله‌ای با عنوان «سلام، این یک پیش‌نمایش صوتی است.» را سنتز می‌کند. اگر رابط واقعاً متصل باشد، امکان ذخیره را فراهم می‌کند و کاربران را از جستجوی بعدی گزارش‌های خطا در وظایف بی‌نیاز می‌سازد. پشت این قابلیت، یک جدول ثبت ارائه‌دهنده صدا قرار دارد که توسط فرآیند اصلی نگهداری می‌شود: هر ارائه‌دهنده فقط باید رابط HTTP خود را با یک فراخوانی یکپارچه soundTts تطبیق دهد تا به سیستم بپیوندد. دوبائو وُیس (Dobao Voice) از احراز هویت X-Api-Key استفاده می‌کند و جریانی از چندین بخش JSON را بازمی‌گرداند که نرم‌افزار باید این قطعات را تجزیه و ادغام کند تا یک فایل صوتی کامل ایجاد شود؛ Alibaba Cloud از qwen-tts دش‌اسکوپ استفاده می‌کند که یک لینک صوتی یا داده base64 را برمی‌گرداند. در آینده، افزودن یک ارائه‌دهنده جدید تنها به نوشتن یک فایل ارائه‌دهنده نیاز دارد.
تغییر واقعی این است که «صدا» از پیکربندی‌های پراکنده به یک سیستم قابل مدیریت متمرکز شده است. در بخش انسان دیجیتال، آن را «لحن صدا» می‌نامند، در حالی که در بخش پخش زنده، به آن «لحن پخش زنده» گفته می‌شود. هر بخش کتابخانه مخصوص به خود را دارد و هر دو از افزودن لحن‌های سنتز گفتار یا شبیه‌سازی صدا پشتیبانی می‌کنند، با پیش‌نمایش مستقیم قبل از ذخیره. این دو مجموعه لحن به صورت جداگانه ذخیره می‌شوند و با یکدیگر تداخلی ندارند. برای شبیه‌سازی صدا، فایل صوتی مرجع باید دوباره ضبط یا آپلود شود و با متن مربوطه ترکیب گردد، و دیگر از کتابخانه صدای انسان دیجیتال استفاده نمی‌شود—این نوع بحث در مورد اینکه «کدام کاربر بر صدای شبیه‌سازی شده تأثیر گذاشته است» دیگر اتفاق نخواهد افتاد. در سمت راست کادر گفتگوی افزودن، یک راهنمای استفاده مفید نیز وجود دارد: الزامات ضبط برای شبیه‌سازی و راهنمای عملیات برای سنتز.
در پایین، یک کارخانه VoiceService با دو شناسه ذخیره‌سازی SoundVoice و LiveVoice وجود دارد. هر رکورد صوتی شامل نوع، شناسه مدل، پارامترها و مسیر فایل صوتی مرجع است. سنتز بلادرنگ برای پیش‌نمایش و پخش زنده از یک زنجیره فراخوانی synthesize() استفاده می‌کند و نتایج یکسانی دارد. نکته هوشمندانه‌تر این است که تغییر صدا در طول پخش زنده نیازی به تغییر سرویس پخش زنده ندارد: کلاینت تنها یک نام ارائه‌دهنده با پیشوند Voice: را نمایش می‌دهد و بقیه مسیریابی به صورت داخلی انجام می‌شود. در آینده، افزودن یک صدای جدید تنها به یک خط کد در بخش پخش زنده نیاز دارد. پیکربندی پخش زنده، صدای انتخاب شده را در اولویت قرار می‌دهد و اگر هیچ صدایی انتخاب نشود، به پیکربندی درایور صدای قدیمی بازمی‌گردد. پیکربندی‌های قبلی کاربران قدیمی نامعتبر نخواهند شد.
پنل کنترل پخش زنده نیز بهبود یافته است. در بالا، بخش جدید «کنترل مدل» امکان شروع یا توقف مدل پخش زنده و مشاهده وضعیت در حال اجرا را فراهم می‌کند. در کنار آن، دکمه «گزارش مدل» گزارش بلادرنگ را باز می‌کند. اگر مدل پخش زنده هنوز وارد نشده باشد، به طور فعال به کاربر اطلاع می‌دهد و مستقیماً به رابط مدل هوش مصنوعی برای وارد کردن آن هدایت می‌کند. پیش از این، تأیید اینکه «مدل پخش زنده در حال اجراست» نیاز به جابجایی بین چندین صفحه داشت، اما اکنون همه چیز را می‌توان در یک بخش مشاهده کرد. این قابلیت بدون ساخت از ابتدا پیاده‌سازی شده است: با فیلتر کردن لیست مدل‌ها برای یافتن رکوردهایی با قابلیت‌های پخش زنده، و استفاده از اجزای موجود برای نشان‌های وضعیت و مشاهده گزارش.
جزئیات رابط کاربری به طور کامل بهبود یافته‌اند. کادرهای گفتگو به طور طبیعی در ارتفاع گسترش می‌یابند و دیگر در پنجره‌های کوچک از صفحه بیرون نمی‌زنند؛ آیتم انتخاب شده در ناوبری سمت چپ به رنگ آبی روشن برند تغییر می‌کند و حالت تاریک نیز روشن‌تر تنظیم شده است؛ دکمه‌های غیرفعال شده به پس‌زمینه خاکستری روشن با متن خاکستری متوسط تغییر کرده‌اند و دیگر خواندن آن‌ها دشوار نیست. چندین باگ مشکل‌ساز نیز رفع شده‌اند: وظایف مدل عمومی زمانی به اشتباه موفقیت‌آمیز علامت‌گذاری می‌شدند در حالی که فرآیند به طور غیرعادی خاتمه می‌یافت، اکنون برای اطمینان از نتایج خروجی واقعی تأیید می‌شوند؛ برخی پیام‌های خطا که هنوز در رابط‌های انگلیسی به زبان چینی نمایش داده می‌شدند، رفع شده‌اند؛ خطاهای ناشی از اجرای wmic در نسخه جدید ویندوز نیز برطرف شده‌اند.