告别单向听写：实测阿里QoderVoice全双工语音Agent
AGI Hunt · wechat · 2026-08-01
作者深度体验了阿里 Qoder 推出的桌面实时语音 Agent QoderVoice。它以悬浮气泡形式常驻屏幕，核心亮点是全双工工作模式：用户可随时打断 AI，AI 也能边干活边汇报，甚至授权后能直接查看电脑屏幕辅助操作。
核心实测场景：
- 终端配置：通过语音指挥 AI 修改 tmux 配置，为激活的 pane 添加红色边框，AI 甚至主动优化了背景明暗区分。
- 软件指导：当用户在 ScreenFlow 中操作受阻时，AI 通过“看屏幕”精准定位问题（如选错音频片段导致控件灰色），并逐步口述指导操作。
- 自主操作：当被问及如何安装插件时，AI 直接接管鼠标键盘，自己点击进入 Marketplace 完成演示。
- 资料整理与学习：识别浏览器中的推文并翻译保存至 Obsidian；还能化身雅思口语陪练，边对话边将错题本和题库自动沉淀为本地 Markdown 文件。
技术支撑与不足：
该功能由阿里的实时语音模型 Qwen-Audio-3.0-Realtime 驱动，在 Speech-to-Speech 榜单上表现优异。作者指出其目前仍有音色固定、情绪偏中性、环境降噪不足以及单 session 工作等局限，但整体认为这种双向协作模式比单向语音听写（如 Karpathy 的语音输入法）更具交互价值。
「编程与Agent」频道最新
- 开源工具：AI 自动看 YouTube 生成小红书图文 — yangyi · 2026-10-16
- GitHub 用 AI 把 Copilot 运行时重写为 80 万行 Rust,CPU 内存降 90% — bibryam · 2026-10-16
- Demo 之外的真坑:Reddit 讨论企业 AI 落地最难的一公里 — djgoel123 · 2026-10-16
- DeepMind 推出 Antigravity for Science,单次会话筛出新型抗菌肽 — pushmeet · 2026-10-16
- 让 Claude 写计划、Codex 来审：双模型互查工作流实操 — theteknosaur · 2026-10-16
- NPCTalk 让 GTA V NPC 可实时对话:开源方案可移植任意游戏 — ChocolateDull8971 · 2026-10-16