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
- 用 Lovable 与 Claude 搞定 UI 设计的 6 步工作流 — damienghader · 2026-08-01
- 让 Agent 安全部署生产环境：生产级 MCP 服务器的三个设计原则 — Capable-Necessary814 · 2026-08-01
- 管理 AI 智能体：新时代工程管理者的角色重塑 — bendee983 · 2026-08-01
- 开发者用 v0 重写 iOS 聊天界面至 UIKit，正等待审核 — fernandorojo · 2026-08-01
- Google ADK Go 2.0 发布：引入图工作流与多智能体协作 — ZabihullahAtal · 2026-08-01
- Swarms v14 发布：多智能体框架重构，号称比 LangGraph 快 60 倍 — KyeGomezB · 2026-08-01