声网在iRTE2026提出五级对话能力框架
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载实时与生成式AI交汇
iRTE2026实时智能大会将实时互动与生成式AI的融合作为核心议题，设置十余场论坛和超过一百场深度分享。这一名称变化本身带有线索：iRTE的前身RTE在2020年由RTC升级而来，如今在RTE前增加i，形成iRTE。从RTC到RTE再到iRTE，名称的两次调整对应着议题范围的扩展，实时互动不再只关乎音视频传输，而是与智能生成能力放在同一框架下讨论。大会的论坛数量与分享场次，为这种跨领域讨论提供了足够的容量，使语音模型、交互模型、智能硬件、视频编码等不同方向都能获得专门的交流空间。
语音模型与对话能力
在语音模型层面，OpenAI的GPT-Realtime把实时推理和工具调用带入语音模型，Google的Gemini Live让对话与深度思考并行。GPT-Live配合Decisions可按增量转写触发操作，这意味着语音交互不再只是转写与回复，而是能在对话推进过程中依据增量信息触发具体动作。声网CEO赵斌提出从L1到L5的五级对话能力框架，为对话能力的分级提供了参照。声网采用快慢脑协作的方式，交互模型负责实时对话，后台模型承担深度推理，两种模型分工配合，以兼顾响应速度与推理深度。这些做法共同指向一个方向：语音模型正在从单纯的对话接口，演变为能够调用工具、触发操作、分层处理任务的交互系统。
企业客服与硬件落地
企业级客服智能体是大会讨论的落地方向之一，美团、阿里、MiniMax、声网围绕这一场景展开探讨。耿祥磊指出，语音座席的延迟和打断时机直接影响业务成效，这两个因素决定了智能体在真实通话中能否被用户接受。阶跃星辰、清华等机构则研讨交互模型与实时语音生成，关注模型层面的能力演进。在智能硬件方面，瑞芯微、宇视科技、PETKIT小佩讨论落地问题，蔡国祥提出对话自然度决定AI穿戴设备的体验，陈伟认为具身智能的关键在于把人的意图转化为机器人行动。英伟达Andrey Norkin分享了AV2新一代视频编码，为实时视频传输提供了新的编码方案。这些讨论分别从客服、穿戴设备、具身智能和视频编码切入，呈现出实时智能在不同终端与场景中的具体约束。
为什么值得看
实时语音交互正从一问一答转向持续交流，声网的五级框架给出了衡量对话能力的维度，值得关注实时交互链路的从业者一看。
信源1 家
关键事实
相关 · 行业
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。