iRTE2026 大会聚焦 AI 实时语音交互,指出行业正从单轮问答转向全双工持续交流。声网作为基础设施提供商,展示了其支持 OpenAI 和 Gemini 等模型的底层能力,旨在通过复用网络与交互组件降低开发门槛。该事件主要反映产业趋势与厂商营销,缺乏具体的技术突破或参数细节。
全双工通信
Full-duplex Communication
允许双方同时进行发送和接收信息的通信模式
收录情报动态
iRTE2026 大会聚焦实时智能交互,指出对话 AI 正从单轮生成转向持续参与真实交流。OpenAI GPT-Realtime 和 Google Gemini Live 等头部产品通过全双工、多模态及工具调用技术,推动语音交互体验升级。该事件反映了行业对低延迟、高自然度语音 Agent 基础设施的关注,但缺乏具体新技术参数或突破性发布。
Block 推出全双工 AI 语音模型 Dessa,宣称通过端到端训练实现原生情绪表达(如笑声、哽咽),无需依赖文本中间层。该模型基于人类语音数据训练,可在 M4 Max 及以上配置的 Mac 上本地运行,目前仅向安全研究者开放测试以评估欺骗风险。
Block 推出名为 Dessa 的全双工语音模型,具备情感表达且可单卡本地运行。该模型不依赖外部 LLM 检索知识,旨在通过低成本端侧部署赋能商业场景。
Block 推出名为 Dessa 的 AI 语音模型,该模型完全基于人类语音数据从零训练,不依赖任何文本数据。Dessa 直接处理音频流以实时识别情绪、讽刺和停顿,并支持全双工通信,目前仅在 MacBook Pro M4 Max 上本地运行且未公开。
初创公司 Dessa 推出号称最逼真的全双工语音 AI 模型,该模型完全从零开始基于人类音频对话进行训练,摒弃了传统的文本预训练路径。其核心突破在于直接处理声学信号以保留情感、停顿和语调等副语言信息,旨在实现更接近真人的实时交互体验。
SpaceXAI 推出 Grok Voice 3.0,宣称是全球最智能的语音转语音模型,在 Artificial Analysis 综合榜单中以 86.9 分排名第一。该模型实现了低于 1 秒的业界领先延迟,并在 τ-Voice 和 EVA 等企业级基准测试中表现优异,运行成本显著低于同级竞品。目前该模型已支持特斯拉车机交互及星链客服中心,API 定价保持每分钟 0.08 美元不变。
openJiuwen 推出 WorkSwarm,实现类似打电话的全双工多模态 Agent 交互。该方案允许用户在 AI 执行后台复杂任务时随时插话或展示画面,解决了传统回合制对话的等待痛点。其核心在于实时模型与 Core Agent 的双节奏协同,并原生适配昇腾算力。
OpenAI 在 API 中引入 GPT-Live-1,旨在提供自然的全双工语音对话体验。该模型增强了指令遵循能力,并新增自定义声音与电话系统集成支持。