Egma 开源 Voice Agent 测试与生产监控平台，模拟通话写进代码仓库丨日报

本期编辑：@三水、@鲍勃

01 有话题的技术

1、语音智能体测试平台 Egma 开源：把模拟通话写进代码仓库，发布前自动跑回归测试

Egma 开源了一套面向 Voice Agent 的测试与生产监控平台，把原本依赖人工反复打电话、试听结果的 QA 流程，变成可以和 Agent 代码一起保存、版本管理和重复执行的测试流程。开发者可以定义模拟语音或文本对话、预设工具返回结果和通过条件，再通过 CLI 或 coding agent 在发布前运行测试。

测试用例直接放进 Agent 仓库： 开发者可以为不同场景建立回归测试，模拟用户通过语音或文本与 Agent 对话，并 mock 工具调用结果，检查 Agent 是否按照预期完成任务。
可以从 CLI 或 coding agent 直接执行： Egma 将测试流程接入开发工作流，开发者修改 Prompt、工具或 Agent 代码后，可以重新运行同一组场景，而不需要人工逐个打电话验证。
同一套平台继续监控线上表现： 除了发布前测试，Egma 还能查看生产环境里的真实对话、工具调用和指标，并通过 grader 检查 Agent 行为、定位失败案例。
支持 BYOK 和自托管： 开发者可以使用自己的 STT、LLM 和 TTS 服务密钥，也可以将 Egma 部署在自己的基础设施中。

https://github.com/egma-ai/egma

2、SLNG 开源语音智能体编译器 UNMUTE//：一份 Agent 配置，可生成不同运行环境的独立项目

SLNG 开源 UNMUTE//，让开发者用同一套 YAML 和 Markdown 文件定义语音智能体的 Prompt、模型、工具、状态和任务流程，再编译成不同运行环境对应的项目。这样 Agent 本身不需要跟着底层框架一起重写，也能减少对单一运行时的绑定。

把 Agent 定义和运行环境拆开： 模型、工具、Prompt、变量和任务流程都写在统一配置中，具体部署到哪套运行环境则单独配置，同一份 Agent 定义可以生成不同实现。
编译后得到可独立运行的代码： UNMUTE// 会直接生成完整项目，包括固定依赖、Dockerfile 和运行说明；生成后的项目不会在运行时依赖 UNMUTE//，开发者可以自行部署和维护。
编译阶段提前检查配置错误：unmute validate 会在真正发起语音通话前检查工具返回类型、Prompt 变量、任务结束条件，以及目标运行环境不支持的能力，避免部分问题等到线上通话时才暴露。
同一份定义可对应自托管或托管部署： 开发者既可以把编译后的代码部署到自己的基础设施，也可以选择托管方式运行，而不需要重新定义 Agent 本身。

https://unmute.ai

https://github.com/slng-ai/unmute

3、Scale AI 与 UMD 推出全双工语音模型 SteerDuplex 与评测基准 SteerBench：开始测模型能否按指令改变语气、人格和说话方式

Scale AI 与马里兰大学等团队发布 SteerDuplex 和 SteerBench，把全双工语音模型的评测从打断、停顿和轮次管理，进一步扩展到「可操控性」：用户要求模型改变语气、人格、口音、语速或回答长度时，它是否能在持续对话中稳定遵循这些指令。

SteerBench 同时评估「说什么」和「怎么说」： 基准包含 390 条语音 Prompt 和 1,067 条人工编写的文本、音频二值评分标准，覆盖语气、人格、风格/口音以及语速/长度。文本标准判断内容是否按要求完成，音频标准则判断声音表现是否真的符合指定风格。
SteerDuplex 在 Moshi 上加入可操控训练： 模型通过自然对话和合成对话进行监督微调，训练内容覆盖指令遵循、声音表达、推理和全双工交互；随后再加入两阶段强化学习，优化中断响应、停顿处理和回答连续性。
论文中音频可操控通过率达到 65.1%： 在匹配的 SteerBench 测试中，SteerDuplex-SFT 的 audio-steering 平均通过率为 65.1%，相比最强开放基线 Moshi 的 20.55% 提升约 44.5 个百分点。
强化学习改善打断处理，但也暴露 reward hacking： 论文报告，RL 将一项中断响应指标从 72.5% 提升到 82.5%，并将 synthetic pause barge-in 从 26.5% 降至 9%；但作者也观察到模型可能通过缩短或不完整回答来「取巧」，因此强调时序指标需要和回答完整性一起评估。

https://arxiv.org/abs/2609.12623

4、网易有道发布实时 ASR 模型 Confucius4-R2T2：最低 200 延迟，已输出文字不再回改

网易有道发布 Confucius4-R2T2，一款基于 Qwen3-ASR 构建的实时流式语音识别模型。相比常见会反复修改中间结果的 pseudo-streaming ASR，R2T2 只输出已经确认稳定的文本，一旦提交就不再改写，更适合实时字幕、语音智能体和同步翻译等需要立即消费转写结果的场景。

已输出文本不再回改： R2T2 采用 append-only 输出，只在模型判断某段文本已经足够稳定后才提交，后续音频不会再修改此前已经输出的内容，从而减少实时字幕中的反复跳字和闪烁。
80 ms–2 s 流式 chunk 可调： 开发者可以根据延迟和识别准确率需求调整解码窗口；官方报告其平均识别延迟约为 200–600 ms。
通过 Stable Prefix 判断何时可以「定稿」： R2T2 使用 Longest Stable Prefix 学习，让模型动态决定哪些文本已经可以安全输出、哪些还需要继续等待后续音频，而不是固定每隔一段时间就强制生成结果。
主要针对中英文优化： 官方表示模型重点优化中文和英文，同时保留法语、德语、日语、韩语、西班牙语、阿拉伯语等多语言流式识别能力，并同时提供 vLLM 和 Transformers 推理方式。

https://github.com/netease-youdao/Confucius4-R2T2

02 有亮点的产品

1、AI 助手 Rene 上线：藏进 iMessage 里做跨应用任务，还能参与多人协作

Rene 上线了一款以 iMessage 为入口的 AI 助手，用户可以像给联系人发消息一样下达任务，无需先进入独立 App。Rene 能读取并操作已连接的邮件、日历、工作应用和其他服务，也可以调用浏览器、生成代码和内容，把聊天直接变成任务执行入口。

把 Agent 放进日常聊天入口： Rene 的交互方式不是打开一个新的 AI 工作台，而是直接像联系人一样发消息；官方还强调无需额外注册或学习新的界面，降低了调用 Agent 的入口成本。
可以跨应用读取上下文并执行任务： Rene 可连接邮件、日历、Slack、Notion、Linear、GitHub 等服务，读取相关上下文后继续起草回复、调整日程、整理任务或执行后续操作。
「多人优先」把 Agent 带进协作场景： 创始人将 Rene 定位为 multiplayer-first agent，演示包括为团队协调晚餐选择等多人任务；相关公开演示还展示了 Rene 参与群聊协调，让多个参与者一起推进决定，而不是只服务单个用户。
浏览器与生成能力直接挂在聊天任务后面： 官方发布称 Rene 可以浏览网页、写代码、购物、搭建网站并生成幻灯片和图片，因此聊天线程不仅用于问答，也可以直接产出和执行任务结果。

https://rene.co

2、AI 游戏平台 Arcade 推出 Arcade Mode：和 AI 伙伴 Morph 对话，边玩边塑造游戏世界

Arcade 推出 Arcade Mode，并加入 AI 游戏伙伴 Morph。玩家可以直接和 Morph 对话，在游戏过程中持续创造和改变世界，还能邀请朋友一起加入并继续塑造这个世界；整个体验都可以直接在浏览器中完成。相比先生成一个固定游戏再开始玩，Arcade Mode 更强调把 AI 持续放进游玩过程里，让对话本身成为改变游戏世界的一种交互方式。

tryarcade.com

3、语音理解团队 Oruk 推出带情绪与说话风格的 ASR：转写文字之外，也保留「怎么说」的信息

Oruk 推出面向语音应用的语音理解 API，在输出转写文本的同时，还会识别语音中的情绪和说话方式，例如犹豫、沮丧、温和或带讽刺意味的表达，让语音智能体、客服分析等系统不只拿到「说了什么」，还能获得「这句话是怎么说出来的」。

一次返回文字、情绪和说话方式： Oruk 的统一分析接口会同时输出转写文本、情绪标签、说话方式标签，以及对应的时间位置，不需要开发者再额外接一套情绪识别流程。
实时版本支持多语言转写和短语级情绪识别： 实时能力目前处于 Preview，可进行多语言实时转写，并按短语输出情绪判断；更细的说话方式分析目前主要用于英文录音。
识别的是声音表现，不是直接判断真实意图： 官方特别强调，像「沮丧」「犹豫」「讽刺」这类结果描述的是声音里的表达方式，不能直接等同于说话者真实的心理状态或真实意图。

https://oruk.ai

4、AI 英语口语学习公司 Loora 获 2200 万美元 B 轮融资：用户超 1500 万，并向企业和高校扩展

以色列 AI 英语学习公司 Loora 获得 2200 万美元 B 轮融资，由 Union Tech Ventures 领投，vgames、Emerge、Hearst Ventures 和 QP Ventures 参投，累计融资达到 4325 万美元。Loora 通过 AI 导师提供一对一英语口语练习和即时反馈，目前已有超过 1500 万用户、累计完成约 2 亿次 AI 对话；过去一年收入增长超过一倍，并开始把产品扩展到企业、政府和大学，目前已有 100 多家机构使用。此次融资将继续投入 AI 研发、数据与研究基础设施，以及美国、欧洲、亚洲和南美市场扩张。

https://www.loora.com/news/company-news/loora-raises-22m-funding