Bland 发布 Tofu-1:面向通话场景的全双工语音模型,企业预览开放

旧金山语音 AI 公司 Bland 于 2026 年 11 月 15 日发布 Tofu-1,一款面向嘈杂通话场景的全双工语音到语音模型,目前以企业研究预览形式限量开放。

一句话看懂:旧金山语音 AI 公司 Bland 于 2026 年 11 月 15 日发布 Tofu-1,一款面向嘈杂通话场景的全双工语音到语音模型,目前以企业研究预览形式限量开放。

事件核心:发生了什么

Bland 推出的 Tofu-1 是其计划中语音到语音模型系列的首款产品,主打车载、医院病房和弱信号线路等真实通话环境。与主流级联式语音 Agent(语音转文字、大模型推理、再转回语音)不同,Tofu-1 直接处理音频输入与输出,中间不经过转写文本。官方列出的音频能力包括说话人追踪、噪声分离和副语言理解,可识别犹豫、沮丧和紧迫感。

目前公开信息显示,Bland 未披露模型参数量、内部架构、延迟和价格。唯一给出的数字是自报数据:在筛查测试中超过 92% 的人未能识破 Tofu-1。访问采用封闭企业研究预览,面向银行、医疗、保险和政府部门,报名表要求填写每月通话量,从不足 1,000 次到 50,000 次以上。

为什么重要

全双工语音模型正在成为语音 AI 的新竞争点。Tofu-1 强调“边听边说、边想边说”,用户可在对话中途打断或纠正,模型执行任务期间保持通话继续,完成后才报告结果,这比级联方案更接近真人通话体验。不过,横向对比表中 OpenAI GPT-Live-1、NVIDIA NemotronLabs VoiceChat 11B 和 Block Dessa 的数据均来自各厂商自己的页面,且基准版本不同,无法直接比较排名。目前 Bland 尚未公布延迟和工具调用得分,而部分竞品已公布相关指标,透明度上仍有差距。

对用户/开发者/创作者的影响

对电话客服和语音 Agent 团队而言,单模型处理音频进出意味着更短的工程链路,噪声分离和情绪识别在车载、医疗等场景有实际价值。但 Tofu-1 目前是闭源企业预览,开发者暂无法像使用 NVIDIA 开源权重那样本地部署或微调,接入需通过 Bland 的商务流程。创作者和普通用户短期内难以直接使用该模型,其影晌更多体现在企业级语音服务采购上。

GamsGo AI

AI 工具推荐

想把多个 AI 模型放在一个入口?

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。

值得关注的后续

一是 Tofu-1 是否公布实测延迟和工具调用表现,以验证与竞品的真实差距;二是 Bland 提到的 2027 年 1 月可用性是否兑现,以及定价和 API 形态是否明确;三是开源阵营(如 NVIDIA 的开放权重方案)是否会进一步压低闭源语音模型的采购门槛。

来源:MarkTechPost Research

celebrityanime
celebrityanime
文章: 35228

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注