2026-08-20 11:14:48 西盟科技资讯
大模型行业的竞争重心正在从参数和榜单转向场景落地。当AI Agent进入客服、营销、智能硬件和民生服务等真实场景,企业开始关心一个更具体的问题:智能体能否自然地理解用户、及时响应,并把任务真正完成。
作为人与AI之间最直接的连接方式,全双工语音正在成为影响智能体验和商业价值的重要变量。
与传统“用户说完、机器再回答”的语音系统不同,全双工语音允许双方同时接收和表达信息。用户可以随时打断、补充或修正需求,AI则能在对话中判断停顿、语气和情绪变化,实现“边听、边理解、边回应”。这一变化看似发生在交互层,实质上决定了AI能否由机械问答工具变成能够持续协作的业务执行者。
在传统文本或回合式语音交互中,一旦用户临时改变诉求,往往需要重新输入或等待系统完成回答。但在客服、营销等场景中,真实对话往往充满省略、重复和情绪波动,如果AI不能理解未说完的话,也无法接受实时打断,沟通效率便很难提升。因此,语音竞争已经从“能不能听清”,转向“能不能听懂、能不能接得住”。
围绕这一方向,百融智能通过自研的BR-Voice语音多模态大模型,将语音识别、合成和副语言理解(即指AI不仅识别用户“说了什么”,还要理解用户“是怎么说的”)纳入统一技术体系。在相关测试中,BR-Voice的模型字错误率低至0.92%,行业热词检索F1值达到97.03%,对话轮次感知F1值达到96.35%,可以更准确地识别专业术语、用户停顿和轮次切换;情绪识别准确率达到90.29%,能够根据用户状态实时调整回应方式。
交互体验的另一道门槛是延迟。传统语音系统通常将语音识别、大模型理解和语音合成分段串联,链路较长,也容易损失语气和停顿等信息。百融智能依托自研Vortex推理引擎,将三个环节改造成并行运行的流式架构。相较于传统架构,整体响应速度提升3倍以上,端到端响应时延已压缩至500毫秒左右,推理成本下降30%。
技术能力最终仍需接受商业场景检验。在消费端,百融智能通过“云端模型+嵌入式SDK+整体方案”,面向智能家居、智能穿戴、儿童玩具和智能眼镜等终端提供语音能力,使设备从执行固定指令转向连续对话和任务协同。在企业端,公司将全双工语音与“硅基员工”结合,进入客服、营销和客户经营等流程,并落地RaaS(结果即服务)模式让AI服务与任务完成情况、对话效果及业务转化结果挂钩。
由百融智能领衔的语音交互入口价值正在加速显现。在高频对话、实时服务等场景中,AI能够听懂一句没有说完的话、接受用户随时打断、并继续把任务完成,进而推动AI Agent从技术展示走向规模化应用。
