轮次控制

Tyger 是一款新发布的开源流式 ASR（自动语音识别）与全双工轮次控制模型，旨在通过极低延迟的决策机制解决语音智能体在实时对话中的“交互僵硬”问题。 ▶ 架构创新：Tyger 基于 NVIDIA Nemotron 3.5 ASR（0.6B）并集成了一个 14M 的因果 GRU 模块，在不牺牲识别精度的前提下，实现了对对话状态的毫秒级感知。 ▶ 全双工决策：该模型每 80ms 进行一次无前瞻预测，能够实时识别“用户说完（Answer）”、“用户插话（Stop）”或“智能体反馈（Interject，如‘嗯’、‘真的吗’）”三种状态。 八卦洞察 语音交互的竞争天平正在从“听得准”向“反应快且自然”倾斜。此前，全双工交互（Full-duplex）几乎是 OpenAI GPT-4o 或 Hume AI 等闭源巨头的护城河。Tyger 的出现标志着开源社区开始深入实时语音交互的底层逻辑层——轮次控制（Turn-taking）。通过将 ASR 与轻量级状态机结合，Tyger 解决了传统语音方案中 VAD（语音活动检测）过于迟钝的痛点。这种 0.6B 的小参数设计极具战略意义，它证明了实现类人交互感并不需要庞大的算力，而是需要对时序特征的精准捕捉。 行动建议 开发者：应立即评估 Tyger 在边缘侧或 WebRTC 环境下的集成潜力，利用其 80ms 的极低延迟特性构建更具“呼吸感”的 AI 助手。 企业架构师：在构建语音客服或社交机器人时，可将 Tyger 作为独立的交互控制层，与现有的 LLM 脱钩，以降低推理成本并提升系统鲁棒性。 研究方向：关注如何将 Tyger 的轮次控制逻辑与情感计算（Affective Computing）结合，使“插话”和“反馈”不仅及时，而且具备情感共鸣。