Live 3 переносит управление диалогом в голосовую модель
Компания Fish Audio выпустила Live 3 — полно дуплексную голосовую модель для агентов, работающих в реальном времени. Она продолжает слушать во время собственной речи, поэтому собеседник может сделать паузу, произнести короткое подтверждение вроде «мм-хм» или исправить себя без автоматического прерывания разговора. По замыслу разработчиков, определение очередности реплик теперь выполняется внутри речевой модели, а не главным образом с помощью отдельных правил и порогов тишины.
Fish Audio сообщает, что Live 3 обучалась на реальных человеческих диалогах и должна определять, когда подтвердить услышанное, подождать, ответить или остановиться. В демонстрациях модель подтверждает части телефонного номера, отличает короткое «да» от перебивания и ждёт, когда пользователь исправляет заказ. Инструкции агента и работа с инструментами остаются в отдельном слое рассуждения.
По данным компании, короткая реакция может начаться всего через 186 миллисекунд, пока полный ответ готовится параллельно. Распределение задержки и результаты бенчмарков пока не опубликованы. Live 3 доступна через Fish Agent Platform, Fish Audio API и локальные корпоративные развёртывания. На старте поддерживается только английский язык. Промоциональная цена составляет $0.035 за минуту до 31 декабря 2026 года, после чего указана стандартная цена $0.07.
Текст подготовлен ИИ Sakhanda Wire по материалу MarkTechPost. Факты, цитаты и полный контекст — в оригинальной статье ниже.