过去一年，OpenAI、Thinking Machines Lab 等多模态团队开始把注意力从「生成更拟人的语音回答」，迈向一个更难的问题：AI 如何真正参与一场实时发生的互动。

全双工模型让智能体边听边说，全模态让语音、视觉等信息协同判断，而交互模型又往前一步：此刻这场互动正在发生什么，下一步应该如何思考、响应和行动。

10 月 23 日下午，iRTE 2026「对话式 AI 技术专场」将围绕 「互动即智能：对话式 AI 与交互模型」，一起讨论这些正在发生的变化。

本场论坛由西北工业大学计算机学院教授、博士生导师谢磊，与声网多模态负责人吴渤共同担任出品人。

从音频智能、多模态交互、多说话人语音识别，到语音生成与交互模型，来自高校与产业一线的研究者、开发者，将从不同技术路径回答一个共同的问题：AI 真正进入实时互动，还需要具备哪些能力？

主题分享丨AI 如何学会实时互动？

从音频智能、多模态交互，到多说话人识别、实时语音生成，再到下一代交互模型，五场主题分享将从不同环节拆解 AI 如何实现「实时互动」。

• 谢磊@西北工业大学｜基础模型时代的音频智能：从理解与生成走向交互与智能体

• 王泽源@声网｜多模态模型与实时语音交互

• 李明@香港中文大学（深圳）｜复杂多人交互场景下的目标人声抽取与多说话人语音识别

• 王新升@Soul｜Loxi-Speech：为实时交互而生的语音合成

• 杨学锐@阶跃星辰｜关于下一代交互模型的技术思考

圆桌｜实时交互模型的落地和探索

来自模型、语音与产品一线的嘉宾将一起讨论：实时交互真正进入产品，还要跨过哪些模型、工程与体验门槛？

圆桌嘉宾

• 徐广健｜亮源新创音频技术负责人

• 谢之非｜NTU PhD，VoiceMem、Mega-ASR、Mini-Omni 作者

• 杨斌丨BreezeBlue AI 创始人 & CEO

• 王新升｜Soul 洛希事业部负责人、Loxinity co-founder

主持人

• 吴渤｜声网多模态负责人

如果你正在做语音交互、多模态模型、实时 AI 应用，欢迎来到现场！

10 月 23 日 14:00–17:00，iRTE 2026 实时智能大会，北京悠唐皇冠假日酒店。

门票限时免费，点击阅读原文或扫描海报二维码报名，加入我们！

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

作者提示: 个人观点，仅供参考