语音助手边听边说：Fish Audio Live 3 把反应压到 186 毫秒，先只讲英文

Fish Audio 发布了 Live 3，一个面向语音代理的全双工语音模型。据 MarkTechPost 的报道，作者 Asif Razzaq 提到，它的关键能力是边说边听，能在对话中分清“mm-hmm”这类附和声和真正的打断，报道给出的最低反应时间是 186 毫秒。首发只支持英文。

传统语音代理大多按回合工作：用户说完，系统做语音识别，语言模型生成回复，再合成语音。打断处理通常交给 VAD，也就是语音活动检测。问题在于，人说话时会有大量短反馈，“嗯嗯”“对”“好”并不代表要抢话。系统把附和声误判成打断，回复就会频繁停住；判得太保守，用户真打断时又要等。全双工模型想解决的就是这个循环：输出语音的同时持续接收输入，把听、判断、接话放在同一套实时流程里。

186 毫秒是个醒目的数字，但报道没有展开测量条件。网络、设备、模型版本、对话内容都会影响实际延迟。对语音代理来说，低延迟只解决一半问题，另一半是打断判断的准确率。误打断多，体验会碎；漏打断多，用户会觉得机器自顾自说话。客服、陪伴、车载这些场景对这两点的容忍度不一样。

Live 3 把竞争点从“能不能说话”推到“会不会听、会不会停、会不会接”。首发英文限制也意味着中文语音代理暂时用不上。接下来值得看的是长对话稳定性、误打断率、部署成本，以及这些指标在真实产品里的表现。这些信息，当前素材还没有给出。