实时语音智能体(RVA)

在单一流式会话中基于 speech-to-speech 模型构建的低延迟语音智能体，取代了传统的“语音识别→LLM→语音合成”流水线。单个模型直接对音频进行推理，因此响应足够快，感觉如同自然对话；轮次检测、插话打断（barge-in）、对话中途的工具调用、护栏和交接都在实时会话内完成。