MiniMax M3.1 Flash 搭 SGLang Omni:可打断的实时语音 Agent 方案
MiniMax_AI · x · 2026-10-22
MiniMax 与 SGLang Omni 团队合作展示了一条模块化语音交互管线：用 MiniMax M3.1 Flash API 替换原管线(Qwen3-ASR → 本地 LLM → Qwen3-TTS)中的 LLM,保留本地语音模型。
- M3.1 Flash 负责语言理解，响应快、回答简练直接，支持流式文本输出；
- SGLang Omni 提供流式处理、会话状态管理和打断处理：用户再次开口时取消旧回复、拒绝过期输出，同时保留已听到的上下文，让 Flash 接续回答新一轮；
- 还含 turn 检测(VAD/Smart Turn)与播放对齐(词/句边界反馈)等可配置组件。
双方认为语音 Agent 正从「问-等-听」转向可打断、可纠错、可实时改向的连续对话，为主动式家教、客服 Agent 和免手操作 copilot 打基础。实测 demo 显示对话流畅自然。
「编程与Agent」频道最新
- CreateOS x Stripe 黑客松收 59+ 项目，Agent 自写自验代码 — jeff_weinstein · 2026-10-22
- v0 手机端实测：一句话让 AI 把汽车模拟器涂黄并推送到分支 — fernandorojo · 2026-10-22
- 开发者喊话：2026 年每个 PR 都该跑 CVE 扫描，多数团队仍不做 — letandrewcook · 2026-10-22
- 「帮我加个边框」梗图刷屏:AI 设计 skill 因何再获热捧 — kieranklaassen · 2026-10-22
- 曝 Anthropic 推出主动式智能体 Claude Duet,基于 Opus 5.5 — BLCNYY · 2026-10-22
- 用 15ms CPU 编码器替代 LLM 做路由:encoders+conformal prediction 工作坊 — camerongreen95 · 2026-10-22