据悉，腾讯混元语音团队联合多所高校研究人员发布Gander 模型，可同步接收语音、图像、文本输入，并在自身输出语音的同时持续处理多模态信息，支持用户随时打断。为平衡对话速度与复杂任务推理时长，Gander 采用双模块拆分：面向人体的”小脑”按秒级管理对话流程，决定倾听、发言或在被打断时停止输出，以最近约两分钟对话作为记忆、无需独立语音起止检测；”大脑”在后台完成推理与复杂智能体任务，可直接替换为 Codex、Claude Code 等系统而无需重训对话模块。

打开网易新闻 查看精彩图片