Fish Audio 发布全双工语音模型 Live 3:边说边听、延迟低于 200ms
EXM7777 · x · 2026-11-11
Fish Audio 发布 Live 3,一个全双工(full-duplex)语音模型,能在说话的同时持续聆听、适时附和「嗯哼」并准确判断何时接话。技术要点:
- 用单一全双工模型取代「语音识别 + LLM + 语音合成」的多级串联架构,音频流同时进出
- 从音频本身判断对方句子说到哪,而非依赖静音计时器
- 话轮转换(turn-taking)从真实对话中学习,不是硬编码规则
- 快速反应(附和、插话)延迟低于 200ms
- 另有一个「thinker」模型在后台构建完整回答,前台模型继续维持通话流畅
作者认为这类全双工模型让 AI 电话客服、前台和销售 agent 一夜之间「人性化 10 倍」,并宣称语音 AI 问题已被解决。官方为企业提供免费定制 agent,前 1000 个提交用例的用户可免费构建。
所属事件:Fish Audio 发布全双工语音模型 Live 3(8 条相关)→
「多模态」频道最新
- Claude MV skill + Fable 5.2 + Dreamina:玩家自制 MV 冲刺 Claudia 大赛 — AIandDesign · 2026-11-11
- TRIAD 基准发布:多模态检索在层级、约束与多轮状态上全军覆没 — _reachsumit · 2026-11-11
- 新论文揭示 VLM 模态鸿沟根源：文本 token 语义密度远低于视觉 — _reachsumit · 2026-11-11
- Fable 5.2 一句话生成短片《936》：一个可能改变你余生的视频 — yuwen_lu_ · 2026-11-11
- Fable 5.2 生成城市雪夜图曝光,笔触全部由模型完成 — yuwen_lu_ · 2026-11-11
- Fable 5.2 生成 Minecraft 风格斧头砍木头动画,博主称 3D 已被解决 — adonis_singh · 2026-11-11