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
- Agent 自动追踪安大略湖并反向工程房产商信息 — yacineMTB · 2026-08-20
- Grok Bot 演示：一键充当数字参谋并接管 X 与 GitHub — elonmusk · 2026-08-20
- 1 人 6 月重写平台：Vibe Coding 原型与生产级代码的实战鸿沟 — alex_verem · 2026-08-20
- 马斯克：Grok Bot 拥有独立云电脑，关机也能运行 — elonmusk · 2026-08-20
- 开发者利用 Grok Bot 重构游戏开发工作流 — eyishazyer · 2026-08-20
- Grok Bot 成功搞定“我不是机器人”验证测试 — eyishazyer · 2026-08-20