PolyAI 发布 Dialog-RSN-1：原生音频对话模型，延迟最低

matthen2 · x · 2026-07-30

PolyAI 推出 Dialog-RSN-1，一种直接感知用户音频的对话模型，融合了话轮转换、语音识别、函数调用和响应，实现音频原生处理。该模型已在生产环境中处理实时通话，达到最低延迟，对话流畅度和智能度显著优于级联系统。文章详细介绍了其架构：传统级联系统存在信息瓶颈，ASR 仅传递最佳猜测，丢失音频信号和不确定性；而 Dialog-RSN-1 避免了这些缺陷，能感知犹豫、情绪、口音和语速，并在适当时机主动打断或留言。