Sophon-Realtime v1 开源全双工语音模型:听懂语气,也用语气说话
2026.11.09 · 收录日 2026.11.09 · 产品 · 新模型 · 开源项目
三个版本共用同一 32B 大脑,单张 80GB GPU 即可部署
Sophon-Realtime v1 是一套开源全双工语音模型家族,边听边说,能识别语气并用带笑声、叹息、呼吸的语音回应。三个版本共用同一个 32B 大脑,仅语音生成方式不同,由 vLLM-Omni 提供服务,单张 80GB GPU 即可运行,代码与权重以 Apache-2.0 开放,可商用。
- VoiceBench 82.8、Big Bench Audio 81.8%,称在开源全双工模型中居首,VoiceBench 与 GPT-4o-mini-Audio 持平
- 副语言理解 48.6 排名第一,领先 Gemini 3.8 Flash(46.9)与 Qwen3-Omni(44.6)
- Tag 版 NVV-SuperBench 中文 0.86、英文 0.80;Flash 版首段音频延迟 0.31 秒
- Full-Duplex-Bench v3 工具调用 Pass@1 48%,高于 Grok 的 43%,响应率 100%
- 单张 80GB GPU 上 Tag 支持最多 16 并发、Flash 支持最多 40 并发,Apache-2.0 可商用
为什么值得看
开源全双工语音首次把语气理解与表达做进同一模型
适合谁关注
语音交互开发者、陪伴类产品团队、语音模型研究者
