AI时代社交领域浮现的新挑战：森森Gensen缘何聚焦“声音人格建模”

陌陌依赖地理位置， Tinder 依赖照片展示， Soul 通过兴趣标签完成匹配。

在AI生成内容快速发展的当下，这些信息载体的可信度正慢慢降低。照片能由AI生成，视频可以合成，文字也能通过AI实时生成回复……当“自我呈现”愈发容易被技术放大时，社交产品开始遭遇一个新的难题：

社交匹配还能依赖哪些数据？

一些产品开始尝试新的路径——从“展示型信息”转向“行为数据”。

从“展示型社交”到“行为社交”

近年来，不少年轻用户对传统社交产品产生了一种新的疲劳感。

在不少平台上，用户得仔细挑选照片、写好个人介绍、琢磨开场白，维系一段或许并不自然的对话。这种模式更像是在“经营人设”。

但与此同时，线上娱乐与线下互动类游戏依旧保持着活跃态势。在剧本杀、狼人杀、派对游戏等场景里，素不相识的人常常能在短时间内建立起互动联系。

这种差异也在推动社交产品重新思考互动方式：

与其让用户展示自己，不如创造一个场景，让用户自然互动。

语音社交产品森森（Gensen）便是这一思路的探索者之一。该产品于2026年春节期间跻身iOS社交榜前20名，最高排名达到第17位，月活跃用户数（MAU）突破260万。

和传统社交平台有所区别，森森把“互动场景”设定成了“3D语音派对房间”。用户能够借助“海龟汤”“电波同频”“森森酒馆”这类派对游戏，和陌生人开展实时的语音交流。

这些游戏的共同特点是：

玩家需要表达观点、参与推理或进行互动判断，从而形成自然交流。

声音成为新的数据入口

在 AI 技术快速发展的背景下， 一些创业团队开始关注语音数据的潜在价值。相比照片和文字，语音具有一个独特特性：实时性。

当两个人进行实时语音交流时，语调的起伏、语速的快慢、停顿的模式以及情绪的变化等信息都会即时传递。这些信号在语言学里被称作“副语言信号（Paralinguistic signals）”，一般可以体现出沟通的风格和情绪的状态。

森森的技术路径正是围绕这一点展开。在用户授权与隐私保护机制的框架下，系统会针对语音互动过程中的部分匿名化特征开展统计建模工作，所涉及的主要信息分为两类：

一是表达方式相关的声学特征， 例如语速、语调的变化和情绪节奏； 二是语言表达模式， 例如用词习惯、表达逻辑和互动方式等。

系统在不存储具体语音内容的情况下， 对这些特征进行精准的模型分析， 从而为用户推荐相对更容易产生交流的人。

对用户来说， 这一过程几乎是无感的： 无需填写问卷， 也无需进行复杂测试， 只需要参与语音互动。

游戏场景成为社交“实验室”

这种产品结构的核心在于：通过游戏场景产生真实互动数据。

在一局“海龟汤”推理游戏里，几位素不相识的玩家借助语音提问和回答来推动剧情发展。有的玩家喜欢迅速抛出自己的猜想，有的则更侧重于从细节之处切入分析，还有人会用幽默的表达来调动现场的气氛。

短短十分钟的互动， 参与者的表达方式、沟通节奏和互动风格就会自然呈现。这些互动数据也成为算法理解用户社交风格的重要参考。