第二，端到端模型可以减少语音/文字转换导致的信息丢失。例如在现在的语音识别中，识别出的文字会丢失说话人的情感和语气信息，而且由于缺少上下文，专有名词经常识别错误。在现在的语音合成中，为了让合成的语音带有情感和语气，一般需要在大模型的输出文本中进行适当的标注，再训练语音模型来根据标注生成不同的情感和语气。使用端到端声音大模型后，识别和合成就会天然带有情感和语气信息，并且可以根据上下文更好地理解专有名词，语音理解的准确率和语音合成的效果都能显著提升。