Bland 发布全双工语音模型 Tofu-1,通话中边听边说
旧金山语音 AI 公司 Bland 发布全双工语音到语音模型 Tofu-1,目前处于研究预览阶段。该模型直接处理音频输入输出,中间不经过文本转写,面向行驶中的汽车、病房和弱信号线路等通话场景。Bland 列出三项音频能力:区分说话人并判断对话对象、从哭闹声、电视、高速路噪、医院对讲和按键音中分离人声、识别犹豫、沮丧和急迫等副语言信息。通话中用户可随时打断或纠正,模型在后台处理请求时保持对话继续,完成后才报告结果。Bland 未公开内部架构和参数量,权重闭源,仅以企业研究预览形式提供。
推荐理由做电话 Agent 的团队可对比全双工方案:Tofu-1 免去 ASR 转写环节,直接处理音频输入输出