直播预告：Thinking Machines 押注的「交互模型」是什么？解读实时多模态模型的下一幕丨 RTE Dev Talk

Thinking Machines Lab 的微回合（Micro-turns）架构支持实时打断、重叠说话以及无感知的对话管理，无需独立的对话管理模块。

从 GPT-4o 到 OpenAI Realtime 2，再到 Thinking Machines 的最新的交互模型（interaction models），AI 语音交互的关注点正在发生变化——从「能不能听懂」，转向「能不能边说边做」。

第一幕解决的是对话本身，第二幕要解决的是边听、边说、边推理、边执行。一条路径从模型层出发，让端到端多模态模型自己长出执行能力；另一条从架构层出发，让多个模型协同分工。两条路都在加速，答案还没揭晓。

AI 语音交互，正在进入第二幕。

本周六晚，RTE 开发者社区邀请了多位来自大模型研发一线、AI 实时交互与基建生态的资深专家，一起开麦探讨这波技术浪潮下的新范式与真机会！

同时我们也设置了开放麦环节，留出自由发言时间，欢迎开发者上麦聊聊你的项目和想法。

聊些什么？

• 新一代实时交互模型的技术趋势，「沟通 + 交互」这个新范式到底意味着什么 ？

• 模型派 vs 架构派：两条路径如何取舍？

• 「边说边做」这种新形态的 AI，会先在哪些场景跑出来？

• 开发者可以做点什么？

嘉宾阵容：

• 武执政 ｜香港中文大学（深圳）副教授、博导，RTE 开发者社区联合主理人

• 刘晓岸 ｜ CU Boulder CS PhD in Human AI interaction， ex-Google Glasses，近期开发的 VisionClaw 开源项目在 X 上获得近百万次的浏览

• 张乾泽 ｜ Agora Agent Platform Lead

• 张昊阳 ｜ 阶跃星辰实习生，StepAudio 2、R1、R1.1 核心贡献者，DuplexSLA 第一作者

• 陈鋆 ｜ 阶跃星辰语音大模型研究员，负责全双工相关工作

主持 ：

• 姚光华 ｜ 声网 AI 产品线负责人

开放麦环节

直播尾声留出自由发言时间，欢迎开发者上麦聊聊正在做的项目、想验证的想法、或者想吐槽的坑。

时间 ｜ 5 月 17 日（周日）上午 10:00–12:00（北京时间）

形式 ｜ 线上直播

直播地点： RTE 开发者社区等多家微信视频号联合直播

参与方式： 长按扫描海报二维码，或前往【RTE开发者社区】公众号预约直播！

阅读更多 Voice Agent 学习笔记：了解最懂 AI 语音的头脑都在思考什么