模思智慧釋出 MOSS-Live：能邊聊邊幹活的全雙工語音系統

MOSS-Live 是模思智慧推出的全雙工即時互動系統，核心就是讓你能像和真人打語音電話一樣，一邊跟它聊天，一邊讓它在後臺呼叫工具查資料、跑複雜任務。

它不僅支援純語音交流，還能接管手機攝像頭或電腦螢幕共享，結合環境聲音一起做即時多模態理解。更關鍵的是，它徹底告別了傳統對講機式的機械輪流對話，支援邊聽邊說與真正的全雙工互動。

它能做到什麼

大多數語音助手最讓人頭疼的問題，是分不清人是在思考停頓還是說完了話，遇到使用者隨口應一聲「嗯」，也會手忙腳亂地停下來。

MOSS-Live 在語義理解上下了很大功夫。在官方公佈的 FDB v1 評測中，它的停頓搶話率只有 1.44%，遠低於 GPT Realtime 2.1 的 3.83% 和 GPT-Live-1 的 10.37%。在 τ-Voice 抗干擾測試裡，它面對使用者隨口附和的抗干擾率達到 98.17%，面對口頭禪和無關語音的抗干擾率也分別達到 82.16% 和 78.90%。

這意味著你說話說到一半停下來想詞，它不會貿然搶話；你隨口附和一句，它能繼續往下講；而當你真的開口提出新問題時，它又能立刻停下來聽你說。

如果你中途臨時插話、追問甚至換話題，它在幾輪交談後還能接回剛才被打斷的內容。在 FDB v1 的上下文銜接測試中，其打斷後回答質量拿到 4.88 分（滿分 5 分）。不僅如此，它在車內導航播報或多人雜音環境下，無關語音誤接話率僅為 2%，有效減少了被周圍雜音誤喚醒的尷尬。

除了聊天，它還支援流式同聲傳譯，並具備主動互動能力。比如在背誦時聽出錯誤能立刻糾正，或在會議討論達到預設條件時主動出聲提醒。

怎麼做到的：前後臺協同分工

MOSS-Live 解決任務延遲的辦法非常巧妙，它沒有讓單個模型硬扛所有事情，而是設計了一套前後臺協同架構。

前臺互動模型專攻輕量感知與即時節奏控制。它持續接收使用者的語音、攝像頭畫面與環境音，判斷說話狀態，決定何時回應、等待還是接受打斷。

後臺模型則專注處理高負載的深度推理與工具呼叫。當你說「幫我查查去外灘的路線順便看看附近酒店」時，前臺繼續陪你聊天，後臺非同步去查酒店和路況。

中間的協同層負責同步記憶與任務進度。等後臺任務完成，MOSS-Live 會挑選對話的自然空檔把結果帶回交流中，完全不會讓整通對話卡死在等待圈裡。在基準測試中，其 FDB v3 工具呼叫成功率為 51%，τ-Voice 多輪任務成功率達到 57.93%。

怎麼上手與開放程度

目前模思智慧已經開放了網頁端線上體驗和 API 介面，並提供限時免費測試額度，開發者和普通使用者可以直接在模思官網註冊嘗試。

在網頁端授權麥克風和攝像頭許可權後，就可以直接開啟即時視訊通話或螢幕共享。開發者則可以通過官方開放平臺申請 API Key，接入全雙工語音介面。

需要說明的是，官方目前上線的是線上體驗和雲端 API，尚未開放本地部署的模型權重。

為什麼重要

如果你正在開發需要高頻互動的 AI 應用，比如車載語音助手、即時會議記錄員、影片導覽或客服智慧體，MOSS-Live 的體驗非常值得一試。

它最大的價值在於打破了「邊聊就不能幹活、一干活就必須冷場」的尷尬。比起以前用 ASR、LLM 和 TTS 硬拼出來的簡易對話系統，這種前後臺解耦的架構才是即時智慧體真正落地的正確方向。

我們認為它的產品節奏很聰明，先在全雙工節奏控制和抗干擾等痛點上拿出領先表現，能快速拉開與普通對講機式助手的體驗差距。不過對於開發者來說，能否儘快開放本地權重或提供私有化部署選項，將直接決定它能不能深入企業核心業務場景。