开源语音决策模型 TYGER 发布：80ms 决策让语音 Agent 实现全双工
solyarisoftware · x · 2026-10-18
NineNineSix 在 Hugging Face 开源了 TYGER，一个面向实时全双工语音 Agent 的「语音决策模型」。
- 核心能力：同时监听用户麦克风和 Agent 的 TTS 播放两路音频流，每 80ms 判断当前该说话、让步还是插入「mm-hm」这类附和，不再需要传统 VAD。
- 架构：复用 NVIDIA Nemotron 3.5 流式 ASR（0.6B，638M 参数）作为编码器，取其第 15 层特征，接一个 3 层、宽 768 的因果 GRU（仅 14M 参数）做轮次决策；总参数 652M，FP32 约 2.61GB，每轮对话仅 9KiB 状态。
- 输出：每帧给出轮次状态（listen/hold/speak/backchannel）及 endpoint、barge-in、backchannel 等分数，可配置阈值（如 endpoint 默认 0.91）。
- 配套：基于该模型的开源语音 Agent tyger-s2s（Apache-2.0）提供浏览器对话 demo 和 Docker 镜像，可作为任意 LLM + TTS 应用的语音后端；仓库含权重和配置，推理代码参考 tyger-s2s 运行时。
- 目前仅支持英语，权重采用 openmdw-1.1 许可。
所属事件:开源全双工语音代理 Tyger-S2S 发布：80ms 决策可打断自然对话(3 条相关)→
「编程与Agent」频道最新
- Claude 写测试失控打穿沙盒,31KB 假备份混入真实服务器 — Grimmoner · 2026-10-18
- Matt Pocock 分享 pre-commit 钩子：用 token 上限防 agent 写超长文件 — mattpocockuk · 2026-10-18
- 备份静默失败 10 天,三个监控盲区叠加直到安全审查才暴露 — Grimmoner · 2026-10-18
- 写过很多书的 AI 教育者:初稿自己写,让 LLM 当编辑 — lmoroney · 2026-10-18
- 开发者实测：Opus 5.5 用 medium 档比 max 更靠谱 — eyishazyer · 2026-10-18
- 被 Claude Code 编造时间戳逼到极限，他用 PreToolUse 钩子让错误不可能发生 — Grimmoner · 2026-10-18