开放人工智能（OpenAI）在实时语音上被狠狠上了一课。 出手的不是同行的十一实验室（ElevenLabs），而是杰克·多西（Jack Dorsey）旗下的… · @mubeitech · TwKit

@mubeitech

开放人工智能（OpenAI）在实时语音上被狠狠上了一课。 出手的不是同行的十一实验室（ElevenLabs），而是杰克·多西（Jack Dorsey）旗下的布洛克（Block）。 德萨（Dessa）模型对话与波形对比，直接挑明了语音交互的痛点。 平时跟语音助手对话最让人抓狂的是什么？ 你稍微停顿卡壳一下，机器就以为你说完了，急忙插嘴抢麦。 你想中途打断它，又得扯着嗓子大喊好几声它才闭嘴。 旧模型不知道什么时候该等，更不会在倾听时给出恰当的语气回馈。 布洛克这次拿出来的技术，在波形上把这层障碍彻底拆开了。 它直接锁死三个动作：打断、耐心等待、快速语气应答。 听到你犹豫结巴，它能判断出你只是在思考，耐心悬停绝不抢话。 听到你长篇讲述，它会在倾听中适时发出自然的语气附和，确认自己在听。 只要你真正开口插话，它的发音瞬间掐断，把麦克风完全交还给你。 这项技术目前只是第三方测试与官方架构展示的结合，尚未全量上线商用。 但它把人机对话里最僵硬的节奏缺陷全抹平了。 如果这种交互真在日常落地，接通电话的那一刻，谁也分不清对面到底是不是人类。 https://x.com/LinusEkenstam/status/2113767466002211306/video/1

曝光 495 · 评论 0 · 点赞 1 · 书签 0