Fish Audio 发布全双工语音模型 Live 3
作者：▲ Marktechpost AI (@Marktechpost)原标题：▲ Fish Audio just released Live 3, a full-duplex voice model that keeps listening while it speaks, s...
78AI 研判分
Fish Audio 发布 Live 3 全双工语音模型，将轮次切换能力内化到语音模型本身，通过真实人类对话训练学习何时确认、等待、回应或停止，而非依赖静音阈值与手写规则。官方称短促语气词场景下最快 186 毫秒即可反应，但发布初期仅支持英文且未公布任何基准分数。模型已上线 Fish Agent Platform、API 及企业本地部署，2026 年底前每分钟 0.035 美元。
报道正文
▲ Marktechpost AI · 2026-11-11 04
▲ Fish Audio 刚刚发布了 Live 3，这是一个全双工语音模型，在说话的同时仍保持聆听，因此语音智能体不会再打断来电者。
其核心思路是把轮次转换（turn-taking）机制移入语音模型本身。Live 3 不再依赖静音阈值和手写规则，而是基于真实人类对话进行训练。它学会何时确认、等待、回应或停止，因此“yeah”能让它继续说下去，而“wait, actually”则会令它让出话轮。
Fish Audio 表示，对于“mm-hmm”或“okay, 415”这类简短提示，Live 3 最快可在 186 毫秒内决定做出反应。作为参照，Eleven Realtime v1 Max 报告的平均首音频时间为 0.57 秒，但两者的测量方式不同。不过这也是一种权衡：Live 3 在发布时仅支持英语，而且 Fish Audio 迄今尚未公布任何基准测试分数。
它可在 Fish Agent Platform、Fish Audio API 以及面向企业的本地部署环境中运行。在 2026 年 12 月 31 日之前，智能体价格为每分钟 0.035 美元（标价 0.07 美元），涵盖 STT、TTS 和基础 LLM……
完整分析：
