我和大家说。
今天早上煎鸡蛋，我对着某AI语音助手喊，帮我报一下番茄肥牛面的做法。
刚听了两句，我翻鸡蛋的功夫停顿了两秒，跟身边的人说了句帮我拿瓶生抽。
它直接断了播报，开始对着生抽两个字乱回复。
反复搞了几次。
我直接把火关了，火大的比锅里的油还旺。
懂的都懂，现在的AI语音助手，十个里有九个都是对讲机逻辑。
你必须一口气把话说完，不能停顿，不能卡壳，不能跟身边人说半句话，背景不能有噪音。
但凡你喘口气，它立马抢话。
但凡有点杂音，它直接乱套。
跟真人聊天的自然感，一点都沾不上。
结果我就赶巧刷到，豆包的实时语音通话功能，直接升级了全双工语音模型Seeduplex。
说能做到边听边讲，该倾听就倾听，该说话就说话，还能抗人声环境干扰，跟真人面对面聊天几乎没差。
这模型能有那么好用吗？
抱着挑刺的心态，我对它进行了极端严格的测试。
最先测的，就是我最痛的点。
我拿着手机，对着豆包的打电话功能故意卡壳，忘词，重复，改口，模拟真人日常说话最自然的状态，看它到底会不会抢话。
我和豆包说：我想做一个，嗯…那个…就是…生日蛋糕，不对，是纸杯蛋糕，需要准备什么基础材料。
全程我卡了四次，改口两次，最长的停顿有三秒。
它全程没插一句话，安安静静的等我把整句话说完，才给我报了完整的材料清单。
说真的，就这一下，我早上憋的火，直接消了一半。
我们跟人聊天的时候，本来就会停顿，会卡壳，会想半天词。
不是写演讲稿，必须一字不差一口气念完。
能安安静静等你把话说完，不抢话，不插话，这是属于AI的礼貌。
说到这个，我直接上了难度。
日常用语音助手，最容易翻车的，就是有背景噪音的场景。
办公室里同事聊天，咖啡厅里人声嘈杂，家里开着电视。
之前的AI，但凡背景里有第二个人说话，直接就废了。
我直接做了个噪音测试，我把噪音分了五级，一级一级往上加。
先从一级噪音开始，背景只有一些歌曲的声音。
我跟它说，帮我做一个青岛周末出游攻略。
它顺顺利利的播报完，全程没出任何问题。
二级噪音，我把音乐声音继续开大，大到有点刺耳的程度。
我让它播报青岛饭店攻略，中途我故意跟身边的人说了句，帮我递杯水。
它连一点停顿都没有，安安稳稳的把整段攻略播报完，完全没被我跟别人说的话干扰。
三级噪音，我特意赶到菜市场，对豆包进行测试。
我对着手机问，三个人周末去青岛玩两天，人均预算大概多少。
完全没有被菜市场的嘈杂干扰到。
四级噪音，我直接大声播放人声说话视频，这个难度就大了，就看它能不能识别出，哪句话是真正我说的了。
我问它深圳必吃的本地小吃，不要网红店，它全程没被误打断，也没乱回复，我说的话，它全接住了。
五级噪音，我直接把音量开大，大到比我的音量还要大很多。
结果我对着手机说，给我推荐三个好看的喜剧电影，还是一如既往的稳定输出。
它最牛的地方不是能在噪音里听见你说话。
是它能分清，什么话是对它说的，什么话是跟别人说的，什么话不是对它说的。
哪怕周围再吵，它也能精准的抓住你的声音，只听你说的话，只回应你的需求。
顺着上面的再聊聊，测完抗干扰，我就想试试它的反应速度。
毕竟很多时候，我们用语音助手，就是要个快字。
玩个词语接龙，快问快答，慢半拍都没意思。
我直接开了词语接龙，跟它说，我们玩词语接龙，我先说，线段。
我段字的音刚落，它立刻就接，段落。
一点延迟都没有，跟真人面对面玩接龙的节奏一模一样。
连续玩了几轮，每一轮都是我话音刚落，它立刻就接上，没有一次慢半拍，没有一次接错。
我又试了快问快答，连续几个常识问题，几乎没有间隔，一句接一句的往外蹦。
它每个问题都能快速给出准确的答案，没有因为我问的快就漏题，也没有出现延迟堆积，节奏非常稳。
测到这里，我已经很服气了。
之前的AI，都把精力放在了怎么说的更好，却忘了先学会怎么好好听。
而豆包这次的全双工模型，最打动人的地方，是它终于把AI语音对话，从对讲机式的一问一答，变成了真人式的面对面聊天。
它终于学会了，先好好听人说话，再好好回应。
它终于有了，跟人聊天的那种分寸感。
AI时代最稀缺的，从来都不是滴水不漏的完美回答。
是活人感。
是那种，跟你聊天的，不是一个设定好程序的机器人，而是一个有分寸，懂礼貌，能接住你所有话的，活生生的人。
不用围着AI的规则转，不用特意迁就它，不用憋着一口气说话，不用找安静的角落，不用怕被打断。
你就按照你平时说话的方式，跟它聊天就行。
它会等你，会听你，会懂你。
热门跟贴