全双工语音模型听错仍调用对：转录错成Bai coffee照样买咖啡
ivan_digital · reddit · 2026-08-20
作者把自己维护的 Swift/MLX 运行时接上 NVIDIA VoiceChat 11B 全双工语音模型与本地 Apple Reminders MCP 服务，全程在 M5 Pro 上本地运行（约 7.5 GB 内存，整条管线 0.92 RTF）。
关键发现：模型通过单一连续网络同时听与说，并输出独立的函数通道转为 MCP 调用。实测中用户转录显示错误的 “Bai coffee”，但函数通道仍正确产出 Buy coffee，成功调用 createreminder 写入提醒，MCP 往返仅 68 ms——函数通道比文本转录更可靠。
安全设计上作者只暴露三个工具（list/create/update），刻意不给 delete。他向社区提问：对语音触发的破坏性工具，是该从 schema 里完全剔除，还是加一层显式确认调用？
「编程与Agent」频道最新
- 前 DeepMind 工程负责人做 AI 代打电话产品 Fo,接通挂断率从 80% 降到 20-30% — julianweisser · 2026-10-16
- 营销机构 SPACE 开源其沙箱平台,每天跑数千个 agent 隔离执行环境 — marktenenholtz · 2026-10-16
- Cognition 推出 Devin OnCall:AI 自动排查生产告警,自称可当团队 SRE — DevinAI · 2026-10-16
- Devin Oncall 登顶 SREGym：自动值守排障达 100% 端到端成功率 — tianyin_xu · 2026-10-16
- 多模型同题设计 UI:用 Paseo 编排四套界面方案竞技 — vista8 · 2026-10-16
- 独立研究者发布 Cortex:用重放实测自动进化与修剪编码 Agent 的 skills 和 rules — Samuele Giampieri · 2026-10-16