Interact 发布 31B 全双工语音模型,懂何时该在群聊中插话
niloofar_mire · x · 2026-11-18
初创公司 Interact 发布 Interact-0,自称「常驻型(always-on)模型世代」的第一款:全双工语音模型,特点是能在多人对话中判断何时该说话、何时不该打断。
架构与训练要点:
- 31B 参数、3B 激活;由音频编码器、思考主干(trunk)和文本/音频双输出头组成;音频按 80ms tick 切分,每个 tick 内依次预测用户音频→用户文本→模型文本→模型音频。
- 训练数据:900 万小时单通道音频 + 50 万小时通道分离的多说话人音频。
- 从 Qwen3-Omni 权重初始化,先把双向注意力的音频编码器改造成流式因果注意力(冻结主干只训编码器至 ASR 词错率超过 Qwen3-Omni),再训练思考主干,用 90% 对 Qwen3-Base 的 KL 散度 + 10% CE 的混合目标防止丢失语言智能。
- 引入「文本规划」:让模型在开口前先推理自己要说什么,并训练同时预测两路音频流(用户一路、模型一路),实现真正全双工。
官方发布了完整技术报告说明设计思路与早期结果。
「模型」频道最新
- 新玩家 Apex Intelligence 发布首个开源模型 Apex 35B — AdinaYakup · 2026-11-18
- 新玩家 Apex Intelligence 发布首款开源模型 Apex 35B V1.0 — AdinaYakup · 2026-11-18
- Gemini 侧边栏进驻 Chrome:免费与 Pro 订阅模型档位差异曝光 — gaganghotra_ · 2026-11-18
- Gemini 自主破译 1466 年米兰公爵密码信,翻遍欧洲档案找到密钥 — fofrAI · 2026-11-18
- Abel AI 开源时间序列基础模型 Simons,自动科研生成、训练数据全公开 — NielsRogge · 2026-11-18
- Cloudflare 推通用抽取模型 Clairic,LiquidAI 等跟进 — altryne · 2026-11-18