全双工语音（duplex）是AI语音交互的一种能力：模型可以同时听和说，允许用户随时打断、插话，像真人对话一样自然，而不是传统语音助手的“一问一答”。近一年，这项技术从实验室快速走向商用，成为各大语音模型厂商的竞争焦点。OpenAI 的 GPT-Live 即是典型案例——据其官方复盘，团队在 6 个月内完成了系统重构，摒弃了原有的“轮流检测器”，全面转向全双工架构。
全双工语音模型的近期进展
当前焦点与观察点
duplex 技术目前主要解决两个问题：一是自然的对话轮转，让模型自己学会何时该开口、何时该闭嘴，而非依赖外挂的轮流检测器；二是低延迟下的智能，即在实时响应的同时保留工具调用、长上下文等能力。后者正催生工程优化，例如一项声学到文本的 KV 压缩研究，可将全双工语音模型的长对话内存开销降低 64.6%。
值得关注的观察点有三：其一，全双工正从纯语音延伸到视频化身，真实感门槛被快速抬高；其二，开源模型补齐工具调用等能力后，商用 API 的差异化空间可能收窄；其三，打断、抢话、语气切换等“拟人化”细节的实际体验，仍需真实用户场景检验，当前评测基准尚不能完全代表使用感受。