11 月 8 日，日本人工智能实验室 Shizuku（雫）AI 公布其开发的 Shizuku-Duplex，宣称这是继 GPT-Live 之后第二个支持日语智能对话的全双工模型，无需完整询问即可启动思考流程。在日语表现上，Shizuku-Duplex 在 6 个参测模型中对话自然性最高，响应质量仅次于 OpenAI 的 GPT-Live。
80ms 一帧，支持三种输出
Shizuku-Duplex 以 80ms 为一交互帧，支持音频、文本（模型独白）、动作三种输出方式。这个帧粒度决定了模型可以像真人对话那样在极短时间内做出反应，而不是等一个完整回合结束再开口。全双工语音路线上同类的工程思路，可对照 OpenAI GPT-Live-1 的全双工语音实现 来看。
前后台模型分离，每 5 分钟压缩一次上下文
架构上 Shizuku-Duplex 分为处理对话的前台交互模型与可异步处理复杂请求的后台模型，辅以每 5min 一次的上下文压缩。前台负责即时交互，后台负责耗时较长的复杂任务，两者的分工让模型可以在不中断对话的前提下持续推进长任务。
基于 Shizuku-Duplex 的技术，Shizuku AI 正在开发始终倾听、能响应用户感受、坦诚表达自身感受的伴侣式 AI 雫。团队官方博客在 shizuku.ai 上公布了这一方向的进展。从不完整询问即启动思考这一点看，全双工模型正在把交互的重心从请求响应转向持续对话，这也是当前语音智能体最核心的技术分水岭。
延伸阅读
- 英伟达 Nemotron 3.5 Transcribe：4.71% 词错率与 40 语种2 周前
- Underdog发布Woof 31.7MB语音模型浏览器可跑3 天前
- Soul 推出 Loxinity：2 款模型做实时语音与数字人2 周前
- Ollama 离线语音提速 35%：Phonon 首次内置 TTS2 周前
AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。
继续读
同一批更新里这几篇值得一看：
- Underdog发布Woof 31.7MB语音模型浏览器可跑2026-11-07
- Deepgram 收购 Daily：Pipecat 语音框架保持开源2026-10-30
- Soul 推出 Loxinity：2 款模型做实时语音与数字人2026-10-27