核心要点速览
- Tofu-1 是一款语音对话模型,能够区分电话另一端的声音与电视声、哭声等环境噪音。
- 模型在说话时也会继续聆听和推理,并能应对插话与更正,让对话顺畅进行。
- 研究预览面向部分企业开放申请,需通过表单提交工作邮箱、月通话量等信息。
Bland 的 Tofu-1,专为通话条件不佳的场景打造
电话服务公司 Bland 的 Isaiah Granet(@zaygranet)发布了该公司的语音对话模型 Tofu-1。它面向的场景包括在行驶中的汽车里或医院打电话、信号较弱,以及多人声音交叠等情况,瞄准的是一个现实难题:越是重要的联络,通话条件往往越不理想。
据 Bland 介绍,Tofu-1 是一款全双工语音到语音模型。该公司指出,传统语音系统需要先将语音转成文本,再交给语言模型处理,最后转换回语音;在这一流程的各个环节中,谁在说话、对谁说话等通话信息都可能丢失。Tofu-1 则采用将语音作为连续对话整体来处理的设计。
演示展现聆听与回应如何同步进行
公开页面展示了两个通话示例:一个是在车内由乘客说话,另一个是客服人员一边查询信息、一边继续与对方交谈。后者具体展现了“边思考边说”的设计:不因处理任务而中断对话,而是在继续工作的同时接上回应。
页面列出的功能包括:辨别说话者和交谈对象的语音理解能力;能够处理多人说话及室内声音的语音生成;在发言过程中持续聆听;以及在任务完成前不会声称已经完成。与传统的分阶段语音处理方式相比,关键区别不仅在于语音识别准确度,也在于如何应对插话和背景噪音并处理整个通话过程。
出处[2]
研究预览面向企业开放申请
预览名额面向数量有限的企业开放;获得访问权限后,申请者会收到邮件通知。申请表需要填写姓名、工作邮箱、电话号码、月通话量和网站。通话量选项从少于 1,000 通到 50,000 通以上不等;提交后还需同意接收有关预览的联系信息。
申请入口为 Bland 产品页面(https://www.bland.ai/speech-to-speech?utm_source=x&utm_medium=social&utm_campaign=tofu-1-launch&utm_content=isaiah)。页面尚未公布价格或正式开放时间。目前,企业可先确认使用条件,再申请加入研究预览。
出处[2]
X(推特)首发原帖
可在 X 上直接查看创作者发布的原帖与互动详情。
参考链接与官方出处
- Tofu-1 関連ソース (1)x.com
- Tofu-1 公式・公開ページwww.bland.ai




