全双工语音对话Full-duplex speech
交互 · 已普及
OpenAI Realtime「Voice-agent sessions」· 智谱 glm-4-voice各家叫法：realtime · 全双工 · speech to speech同一件事，各家名字不同。我们自己就因为按字面去搜而误判过 —— Kling 管角色参考叫 Element、LTX 叫 Ingredients，按 Character Reference 去找会一无所获， 然后把「没找到」写成「官方没说」。
voice-rt：谁实现了
智谱
GLM Voice glm-4-voice
「首个端到端语音模型……实现实时语音对话，并可根据用户指令灵活调整语音的情感、语调、语速和方言」；上下文 8K、最大输出 4K
智谱 · GLM-4-Voice官方来源核验版本 glm-4-voice核验于 2026-08-12机器录入
OpenAI
GPT Realtime 2.1
Realtime 指南的会话类型含「Voice-agent sessions」，响应事件有 `response.output_audio.delta`
OpenAI · Realtime API 指南官方来源核验版本 2.1核验于 2026-08-12机器录入
xAI
Grok Voice 3.0
支持双向音频与文本流，server_vad 轮转；文档另列 interruptible 控制。
xAI · Speech to Speech API官方来源核验版本 3.0核验于 2026-10-19机器录入