IT之家 · 智能时代T2·智能体与协同
78 分
OpenAI 正式向第三方开发者开放 GPT-Live-1.1 语音模型 API,该模型采用全双工架构,可同时聆听与说话,并识别停顿、打断与语速变化。其关键突破在于支持将深度推理与工具调用任务委托给后端模型,语音对话不中断,使实时语音交互与多步骤智能体工作流得以融合。
Full-duplex Voice Interaction
同时聆听与说话、可识别打断与停顿的实时语音交互架构
OpenAI 正式向第三方开发者开放 GPT-Live-1.1 语音模型 API,该模型采用全双工架构,可同时聆听与说话,并识别停顿、打断与语速变化。其关键突破在于支持将深度推理与工具调用任务委托给后端模型,语音对话不中断,使实时语音交互与多步骤智能体工作流得以融合。
初创公司 Orilo 推出了一款名为 Orilo 的纯语音个人智能体(Personal Agent),旨在解决现有 AI 助手在语音交互中的延迟和打断尴尬问题。该产品强调“有人味”的自然对话体验,支持用户在中途打断并下达新任务而不陷入沉默,被视为对乔布斯 Siri 愿景的一种现代技术回应。尽管文章带有较强的营销色彩,但其展示的实时语音交互能力代表了消费级 Agent 的一个新方向。
PolyAI CTO Shawn Wen 在 HumanX 会议上表示,尽管全双工语音模型已实现边听边说,但语音 AI 仍未达到类似 ChatGPT 的爆发点。他认为当前核心挑战在于提升模型推理速度以实现自然对话,并强调企业级应用中需建立用户对 AI 的信任与透明度。
中兴努比亚宣布第二代豆包手机 NaviX Ultra 将于 10 月 14 日开启“内测实验室”直播。该机型搭载行业首个集成指纹识别的独立 AI 按键及 Seed 最新全双工语音大模型,旨在通过一句话指令实现跨应用复杂任务执行,售价 5999 元起。