开发者自建实时语音模型对比表,六家轮次机制一查便知
mahimairaja · reddit · 2026-09-17
开发者在评估实时语音模型时反复遇到同一架构问题:「谁拥有对话轮次」。于是他把调研整理成一份公开参考资料,横向对比 OpenAI Realtime、GPT-Live、Gemini Live、Amazon Nova Sonic、Grok Voice 和 Ultravox 六个模型/服务。
对比维度包括:
- 打断行为与受保护语音
- 文本响应能力
- 工具执行与会话历史
- 集成方式与定价估算
- 评测情况与开源权重选项
每行数据均附来源链接和最近核实日期,未知项以 ? 标注而非猜测。作者邀请社区补充修正剩余未知单元格。
「模型」频道最新
- Similarweb：Claude 升级页流量 9 月回升至 1760 万，逼近 5 月峰值 — firstadopter · 2026-11-02
- 开源 GLiNER-PII 单卡 550ms 抓出病历 13 项身份标识,仍漏医院名 — MaziyarPanahi · 2026-11-02
- 用户吐槽 OpenAI Dots 越用越臃肿,转投新工具 Muse 称体验干净透明 — Koala_Confused · 2026-11-02
- Fable 5.5 被曝一行代码一次通过生成动画，Anthropic 押注编程意外切入动画赛道 — Hesamation · 2026-11-02
- 一个 agent 目标连续跑了 4 天，烧掉 3 万赠额 token — CtrlAltDwayne · 2026-11-02
- 每日 AI 简报：Gemini 4 Carbon 疑现身 Arena，DeepSeek 开源编码 agent — testingcatalog · 2026-11-02