AI 精选动态
智能评分 72
豆包实时语音模型3.0 API 上线
AI 推荐理由
新增自定义规则和实时工具调用能力对AI Agent应用具有历史价值，建议关注其技术实现细节和生态推广节奏核心解读
通义公司发布豆包实时语音模型3.0 API，升级支持全双工对话（同时听说）、端到端语音处理，关键功能包括自定义规则指导（如管理多人对话参与时机）和实时工具调用能力（预定日历/发邮件等），相比上一代新增跨场景交互能力。
全文
豆包实时语音模型3.0 API 上线
看演示还是很牛P的，能干不少事情了
全双工：能同时听和说，像真人聊天那样可以随时插话
端到端：语音进、语音出，不进行转录，更快、更自然。
精准遵循 + 适时参与：
你可以一句话给它定规矩，比如多人聊天时说「现在先别出声，聊到世界杯时再加入」， 它就安静待命，等话题真到了再主动接话
最关键的一步升级：
它支持自定义工具，能在实时对话里直接调用工具完成任务，预定日历、发邮件、总结文档、发起查询，一句话语音就在对话流里办完。
这等于从「语音助手」往「语音 Agent」迈了一步
https://video.twimg.com/amplify_video/2067838678064672768/vid/avc1/1920x1080/E7mkB8lvZlvJ849S.mp4?tag=28
小互 (@xiaohu): 动态判停
难点是拿捏时机，你的短暂停顿可能是在思考，也可能说完了，或者是嗯嗯啊啊的语气词
它都能精准判断，等你真正说完才接话 https://t.co/3LFG5AYD2S
小互 (@xiaohu): 抗干扰
环境嘈杂声音或者有其他说话声音干扰
即便是在广播、导航、多人对话等嘈杂环境
也能正常工作 https://t.co/otk3FKRumj