开源全双工语音模型 Sophon-Realtime 发布：听得懂语气，Apache-2.0 可商用
pmttyji · reddit · 2026-11-10
Adventists AI 在 Hugging Face 开源全双工语音模型家族 Sophon-Realtime v1，核心是一个 32B「大脑」统一负责倾听、决定何时接话和生成回复，提供三种出声方案：
- Tag（推荐）：回复带声音标签，由表现力语音模型演绎，会笑、叹气、清嗓子；NVV-SuperBench 中文 0.86 / 英文 0.80
- Flash：更轻更快的语音模型，首音频延迟 0.31 秒，单张 80GB GPU 支持约 40 路并发
- E2E：32B 内置端到端语音（研究预览）
模型能感知迟疑、强调、讽刺、笑声、叹气等副语言信息，副语言理解榜单 48.6 排名第一，超过 Gemini 3.8 Flash（46.9）和 Qwen3-Omni（44.6）；VoiceBench 82.8、Big Bench Audio 81.8%，在开源全双工模型中居首，与 GPT-4o-mini-Audio 持平。全双工工具调用 Pass@1 48% 领先 Grok（43%）。由 vLLM-Omni 一条命令部署，Apache-2.0 权重与代码可免费商用。
所属事件:开源全双工语音模型 Sophon-Realtime 发布(2 条相关)→
「模型」频道最新
- 免费档 Gemini 3.8 Flash 搭出完整 Google Earth,作者力挺其性价比 — AnahataASI · 2026-11-10
- 同模型实测:Basalt 比 Strata 快 20%、省 16GB 内存且能跑完任务 — x_MASE_x · 2026-11-10
- Fable 5.2 一日实测：规划力超 Opus,搭配使用是甜点 — flavioAd · 2026-11-10
- Gemini 4 Carbon 上线 Google AI Studio,需 Ultra 订阅或 API key — cedric_chee · 2026-11-10
- 3080 Ti 降功耗 42% 跑 Qwen 3.5 9B，速度几乎不掉 — Asthenia5 · 2026-11-10
- 骑车鹈鹕配 200k 上下文价差:长文本 agent 该选谁 — petrusenko_max · 2026-11-10