一张图分清语音 AI 四种架构:S2S、级联、半双工与全双工
rdesh26 · x · 2026-11-17
farazmsiddiqi 分享了一张 BlueJay Labs 制作的语音 AI 架构分类图,把主流语音模型与平台按两个维度划分:
- 级联 vs 语音到语音(S2S):级联是 ASR→LLM→TTS 的串行管线,S2S 则由单一模型直接处理音频进出。
- 半双工 vs 全双工:全双工允许模型边说边听,目前仅 S2S 模型可实现,托管模型如 GPT-Live-1、Seeduplex、MOSS-Live 1.0、Phonic-1 等;级联全双工仍停留在研究阶段(如 DuplexCascade)。
- 图中还按托管模型、开源权重、研究项目、平台(Vapi、Retell、LiveKit、Twilio 等)细分了各类代表产品,可作为选型速查表。
「编程与Agent」频道最新
- CMU 论文:规划 agent 展示方案而非追问偏好,用户接受率 12% 升至 55% — rohanpaul_ai · 2026-11-17
- Boring Marketer 开源 32 个营销 Agent Skills,并推出「前置部署营销」服务 — boringmarketer · 2026-11-17
- pybot 实验复盘将发布:chrisalbon 盛赞 lvwerra 是英雄 — chrisalbon · 2026-11-17
- 2031 年开公司梗图:一场会议九个 Claude 各管一摊 — andrew_n_carr · 2026-11-17
- Perplexity 将把 Slack 机器人 Computer 升级为常驻 AI 队友 — AravSrinivas · 2026-11-17
- Subagent 有害论:摘要开局丢上下文,fork 比总结更靠谱 — rseroter · 2026-11-17