33M 参数小模型 Audience：给多角色 Agent 判断每句话说给谁听
alexcovo_eth · x · 2026-11-01
开发者 Jon P. Taylor 分享了一个叫 Audience 的微型分类器模型（约 33M 参数，ONNX 格式，基于 Ettin 构建），用于 Pipecat 语音 agent 管线中判断场景里每一句话是说给谁听的。
- 它利用角色名字、描述、附近物品和站位等信息，可以判定目标是一个角色、多个角色、整个群体，或在语义不明时返回 "unclear"。
- 推理速度约 6–7 毫秒（CPU），可直接嵌入 Pipecat 管线，不影响实时性。
- 作者表示多角色 agent 的玩法非常有意思，模型权重已公开下载。转发者感叹要研究的东西太多、时间太少。
「编程与Agent」频道最新
- AV1 不支持透明视频？开发者用双倍高度帧巧解 Web 难题 — mgostIH · 2026-11-01
- Yacine 宣称 Terra 成为其新的日常主力工具 — yacineMTB · 2026-11-01
- 斯坦福学生因论文太好用 AI 被查学术不端,现场重建研究过关 — elonmusk · 2026-11-01
- ComfyUI 批量计时节点 v0.2.3 发布：三模式计时与智能 ETA — HermanKwan · 2026-11-01
- 多模型协作流水线：管理、构建、审查分离，单产品自动写 2-3K 测试 — PawelHuryn · 2026-11-01
- Google 工程师构想「Agent 的 Kubernetes」：智能体Loop即新Job控制器 — rakyll · 2026-11-01