模思智能发布 MOSS-Live：能边聊边干活的全双工语音系统

MOSS-Live 是模思智能推出的全双工实时交互系统，核心就是让你能像和真人打语音电话一样，一边跟它聊天，一边让它在后台调用工具查资料、跑复杂任务。

它不仅支持纯语音交流，还能接管手机摄像头或电脑屏幕共享，结合环境声音一起做实时多模态理解。更关键的是，它彻底告别了传统对讲机式的机械轮流对话，支持边听边说与真正的全双工交互。

它能做到什么

大多数语音助手最让人头疼的问题，是分不清人是在思考停顿还是说完了话，遇到用户随口应一声「嗯」，也会手忙脚乱地停下来。

MOSS-Live 在语义理解上下了很大功夫。在官方公布的 FDB v1 评测中，它的停顿抢话率只有 1.44%，远低于 GPT Realtime 2.1 的 3.83% 和 GPT-Live-1 的 10.37%。在 τ-Voice 抗干扰测试里，它面对用户随口附和的抗干扰率达到 98.17%，面对口头禅和无关语音的抗干扰率也分别达到 82.16% 和 78.90%。

这意味着你说话说到一半停下来想词，它不会贸然抢话；你随口附和一句，它能继续往下讲；而当你真的开口提出新问题时，它又能立刻停下来听你说。

如果你中途临时插话、追问甚至换话题，它在几轮交谈后还能接回刚才被打断的内容。在 FDB v1 的上下文衔接测试中，其打断后回答质量拿到 4.88 分（满分 5 分）。不仅如此，它在车内导航播报或多人杂音环境下，无关语音误接话率仅为 2%，有效减少了被周围杂音误唤醒的尴尬。

除了聊天，它还支持流式同声传译，并具备主动交互能力。比如在背诵时听出错误能立刻纠正，或在会议讨论达到预设条件时主动出声提醒。

怎么做到的：前后台协同分工

MOSS-Live 解决任务延迟的办法非常巧妙，它没有让单个模型硬扛所有事情，而是设计了一套前后台协同架构。

前台交互模型专攻轻量感知与实时节奏控制。它持续接收用户的语音、摄像头画面与环境音，判断说话状态，决定何时回应、等待还是接受打断。

后台模型则专注处理高负载的深度推理与工具调用。当你说「帮我查查去外滩的路线顺便看看附近酒店」时，前台继续陪你聊天，后台异步去查酒店和路况。

中间的协同层负责同步记忆与任务进度。等后台任务完成，MOSS-Live 会挑选对话的自然空档把结果带回交流中，完全不会让整通对话卡死在等待圈里。在基准测试中，其 FDB v3 工具调用成功率为 51%，τ-Voice 多轮任务成功率达到 57.93%。

怎么上手与开放程度

目前模思智能已经开放了网页端在线体验和 API 接口，并提供限时免费测试额度，开发者和普通用户可以直接在模思官网注册尝试。

在网页端授权麦克风和摄像头权限后，就可以直接开启实时视频通话或屏幕共享。开发者则可以通过官方开放平台申请 API Key，接入全双工语音接口。

需要说明的是，官方目前上线的是在线体验和云端 API，尚未开放本地部署的模型权重。

为什么重要

如果你正在开发需要高频交互的 AI 应用，比如车载语音助手、实时会议记录员、视频导览或客服智能体，MOSS-Live 的体验非常值得一试。

它最大的价值在于打破了「边聊就不能干活、一干活就必须冷场」的尴尬。比起以前用 ASR、LLM 和 TTS 硬拼出来的简易对话系统，这种前后台解耦的架构才是实时智能体真正落地的正确方向。

我们认为它的产品节奏很聪明，先在全双工节奏控制和抗干扰等痛点上拿出领先表现，能快速拉开与普通对讲机式助手的体验差距。不过对于开发者来说，能否尽快开放本地权重或提供私有化部署选项，将直接决定它能不能深入企业核心业务场景。