返回资讯中心
外部精选
ai-models
#研究进展#模型发布#Agentic AI#AI Shorts#Applications#Artificial Intelligence

Bland发布全双工语音模型Tofu-1,面向嘈杂电话场景

来源标题:Bland Launches Tofu-1, a Full-Duplex Speech-to-Speech Model for Calls

旧金山语音AI公司Bland发布全双工语音到语音模型Tofu-1,直接以音频输入输出、无需中间转写,面向车内、病房和弱信号等嘈杂通话场景。该模型目前处于企业研究预览阶段,尚未公布基准测试成绩、模型规模和定价。

MarkTechPostMichal Sutter2026/11/15 · 2 天前11 分钟阅读

以下正文由 AI 翻译自 MarkTechPost(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

Bland,这家旧金山语音 AI 公司,发布了 Tofu-1,一个处于研究预览阶段的全双工语音到语音模型。Tofu-1 语音到语音模型面向行驶中的汽车、医院病房和信号较弱的线路中的通话场景。它边听边说,边推理边表达。对于电话客服团队来说,现在一个模型就能处理音频输入和音频输出,中间不需要转写文本。你可以通过我们的 GPULeaderboard.com Chrome 扩展查看部署选项和规格。

Tofu-1 是什么?

Tofu-1 是 Bland 推出的全双工语音到语音模型,能在电话通话中听取音频、进行推理并以音频回复。它是 Bland 计划中的语音到语音模型系列的首个发布版本。

Tofu-1 与级联式语音智能体有何不同?

大多数语音智能体采用级联架构。它们先把语音转成文本,交给语言模型处理,再把回复转回语音。Tofu-1 直接听取音频,因此语调、犹豫和背景声音都能保留给模型。Bland 尚未公布其内部架构。

音频理解

Bland 在产品页面上列出了 3 项音频能力:

  • 说话人跟踪:区分不同说话人,并判断每个人在对谁说话。
  • 噪声分离:将人声与哭闹的孩子、电视、高速公路车流、医院对讲机或按键音区分开来。
  • 副语言信息:听出犹豫、沮丧和急迫情绪。

全双工与边说边想

来电者可以在 Tofu-1 说话中途打断或纠正它。它在处理请求的同时保持对话流畅进行。只有在工作完成后才报告结果。它绝不会提前声称任务已完成。

场景生成

由于 Tofu-1 对通话声音进行建模,它也能生成通话声音,包括第二位说话人、他们周围的房间环境以及线路噪声。

Bland 的“电视测试”是什么?

电视测试只问一个问题:模型能否在忽略另一个场景中语音的同时跟随来电者?电视音频通常比来电者声音更大。Bland 标注其电视测试演示为示意性内容,并非录制的模型输出。

Tofu-1 与其他全双工模型相比如何?

功能Bland Tofu-1OpenAI GPT-Live-1NVIDIA NemotronLabs VoiceChat 11BBlock Dessa 类型全双工语音到语音全双工语音模型全双工语音到语音全双工语音到语音 参数量未披露未披露11B未披露 权重闭源闭源开源(OpenMDW 1.1)未发布 训练数据数百万小时真实对话未披露约 55 万小时音频加文本仅人类语音,无文本 硬件Bland 托管OpenAI 托管A100、H100、H200、B100、B200、RTX-6000MacBook Pro M4 Max 或更高配置 轮次切换延迟未披露0.798 秒(FDB v1)448 毫秒(FDB)未披露 工具使用工作期间持续对话委托给后端模型实时工具调用,工具选择准确率 82.5%(FDB v3)未披露 访问方式企业研究预览API 和 ChatGPTHugging Face checkpoint、NVIDIA 容器面向安全研究者的研究预览 竞品数据来自各厂商自己的页面。FDB 结果使用不同的基准版本,不可直接比较。

团队如何获取 Tofu-1?

研究预览访问向有限数量的企业开放。Bland 将银行、医疗、保险和政府列为目标行业。注册表单要求填写每月通话量,从不足 1,000 次到 50,000 次以上不等。

要点

  • Tofu-1 是 Bland 首个全双工语音到语音模型,专为嘈杂通话场景构建。
  • 它直接听取音频:说话人、背景噪声和来电者情绪。
  • 唯一的数字是自报的:超过 92% 的人在筛查中无法识别出它。
  • 尚无规模、延迟、定价或基准数据;竞争对手已公布延迟和工具使用得分。
  • 访问方式是封闭的企业预览,Bland 称将于 1 月开放。 查看 Tofu-1 产品页面、X 上的发布帖以及研究预览注册。你可以通过我们的 GPULeaderboard.com Chrome 扩展查看部署选项和规格。 另外,欢迎在 Twitter 上关注我们,别忘了加入我们 15 万+ 的 ML SubReddit 并订阅我们的新闻通讯。等等!你在 Telegram 上吗?现在你也可以在 Telegram 上加入我们。 需要与我们合作推广你的 GitHub Repo、Hugging Face 页面、产品发布、网络研讨会等?联系我们。 文章 Bland Launches Tofu-1, a Full-Duplex Speech-to-Speech Model for Calls 首发于 MarkTechPost。

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →