Rime 于10月28日推出 Prism,面向企业电话与实时对话的语音到语音模型。它直接根据来电音频作出判断,保留语气、迟疑与情绪等信息,同时先生成将要说出的文字,让业务规则在声音播出前检查或修改内容。工具调用可以与说话并行进行,文本检查点也用于动作、内容标签和人名等专有词的发音控制。
Rime 使用 Artificial Analysis 语音智能体榜单所用的评测框架,在航空、零售与电信模拟客服任务上测试 Prism。官方报告 τ-Voice 得分56.6,首音频时间0.57秒;电信子项得分82.5。评测设置为开口前不额外进行推理,因此这些分数和延迟需要放在对应配置下理解,不能直接推成任意实际电话的表现。
企业可选择云端、自己的 VPC 或本地基础设施部署,并利用已有通话资料微调模型,适配行业术语、业务政策与交流方式。Rime 已提供免费试用入口,并正与测试客户开发用于训练、部署的自助强化学习和监督微调 API。保留可检查文本,使需要事先核对回答与规定披露的语音流程也能使用直接音频理解能力。