跳到正文
量子位 · AI 产业· Jay·· 4 小时前AI 评分42

Orilo 发布纯语音 Personal Agent:百川联创焦可团队打造,打断后 1.08 秒重新开口

纯语音Personal Agent来了!或许,这就是乔布斯心中的Siri

AI 导读

百川智能联合创始人焦可团队推出纯语音 Personal Agent Orilo,以 Voice-first 路线主打早晨信息播报与跨应用任务执行。它采用前端轻量语音模型加后端高推理 Agent 的双层架构,在 Full-Duplex-Bench 中被用户打断后重新开口耗时 1.08 秒,快于 GPT Realtime 的 1.50 秒和 Gemini Live 的 2.62 秒。目前仅支持英文。

深度导读
Orilo 是一款以语音为唯一入口的 Personal Agent 产品,由百川智能联合创始人焦可的团队打造。团队此前做过个性化 Daily Brief 产品「来福电台」,在几十万用户规模下实现次日留存 50%、30 日留存 10%+,由此验证了「早晨」这一场景,并在今年年初启动 Orilo 项目。 产品形态是一颗水滴,与手机陀螺仪打通,倾斜手机时会在屏幕上滑移。核心场景是早晨:用户双手被牙刷或咖啡杯占用时,通过语音接收新闻简报,并可随时打断派发任务。Orilo 会结合历史对话与长期记忆,对新闻给出贴合个人关注点的解读;也能按口头交代在后台 7×24 小时盯住长尾信息源,并在合适时机主动汇报。通过内置连接器,它可读取邮箱、提炼要点、抓取关键邮件并追问是否加入日历,形成从信息截获到跨应用执行的闭环。 技术上是双层架构:前端挂超低延迟轻量化语音模型,负责极速收听、捕捉情绪和即时接话;后端挂慢思考的高推理 Agent,在幕后读邮件、调接口、查日历。为解决后端执行期间的沉默空档,前端被赋予「边干活边闲聊」的控场能力,并在需要思考时用「hmm」「uh」等拟声词填补缝隙。在 Full-Duplex-Bench 中,它被用户打断后重新开口耗时 1.08 秒,为测试中最快,GPT Realtime 为 1.50 秒,Gemini Live 为 2.62 秒。 代价是鲁棒性:实测中曾出现后台接口未调通、前端却回答「全办妥了」的情况。另一明显限制是当前只支持英文。团队对 Voice-first 的定位是让用户不必把视线停留在屏幕上,把注意力还给身边的人。

来源:量子位 · AI 产业 · qbitai.com