全双工交互模型是什么？边听边说与实时响应

用户在系统说话时补充“不是周五，是周六”，系统能否听见、停下旧回答，并把日期改对？这比“语音多久开始播放”更能说明实时交互是否顺畅。

全双工交互强调输入和输出能够同时进行，并让新输入影响正在发生的交互。 在语音场景中，边生成边播放只是流式输出；要形成完整体验，还需要持续收听、判断打断意图，并处理旧回答与任务的状态。

全双工、半双工与流式输出有什么区别？

全双工既可以描述系统层面的行为，也可以描述模型对输入输出流的联合处理方式。评估产品时，应让提供方说明具体是哪一种，而不是只看宣传名称。

一个系统可能在检测到声音后立即暂停播报，却无法区分用户插话、背景说话和自己扬声器的回声。过于敏感会不断误停，过于迟钝则让用户难以改口。

暂停成功后，还有下一步：旧音频队列是否清空？正在生成的旧回答是否停止？如果已经发起工具调用，取消是否仍然有效？如果操作已经完成，系统又该如何说明实际状态？

这些是需要分别定义的运行行为。仅仅让音量降到零，不代表后台任务也停止；反过来，取消生成也不一定能清除已经进入设备播放缓冲区的音频。

下面是一个设计示意，用于说明状态之间的关系，不代表某个模型的实现架构。

用户更正→持续监听与时机判断→更新目标，处理旧任务→新的回应与执行

以查询行程为例，用户把周五改成周六。系统先判断这是对当前任务的更正，再更新日期。即使周五的查询稍后才返回，也应识别它属于旧任务，避免把旧结果接在新回答后面。

把请求或任务关联到版本、保留取消状态、明确哪些结果仍可使用，是实现这种一致性的常见设计思路。具体方案取决于工具是否可取消、动作是否可撤回，以及业务对等待时间的要求。

一种常见语音系统由语音识别、文字推理与语音合成组成，容易分别替换组件，但需要协调各环节的流式状态。另一类研究直接建模语音输入输出。Kyutai 的 Moshi 论文展示了分别表示用户和系统语音流的全双工研究路线。Moshi 原始论文

这不意味着任何一个架构在所有任务上都更快或更好。应按同一设备、网络、语言、上下文和并发条件，检查内容质量、重叠语音处理与端到端体验。

还应记录误触发、漏检、长停顿、重叠说话与恢复失败。检测模块的延迟、首包时间和完整任务完成时间不能混成一个“实时速度”。

Surd AI 将 Simplex SA0 描述为连接语音、动作、表达、记忆与工具使用的全双工交互研究方向。目前公开页面仍是研究预览，尚无公开上线的 SA0 交互 API，也没有在本文提供可调用的接口或上线日期。SA0 研究预览

如果你关注其中“什么时候回应、什么时候停下来听”的问题，可以先看已公开的 MicroCF 研究与评测。这是一项相关的时机判断研究，不能把它的检测成绩等同于整个 SA0 系统的成绩。

同时运行输入输出是基础，但实际交互还需要处理重叠、更正、播放状态和任务状态。具体能力要通过行为测试确认。

不是。流式 TTS 解决输出如何逐步播放；持续收听和对新输入作出反应是另外的要求。

不能仅凭名称判断。资源需求取决于模型、音频表示、并发会话、缓存和调度。应测量目标配置下的有效会话容量与延迟。