Adventists AI 开源全双工语音模型 Sophon-Realtime v1：32B「大脑」配三种发声版本，VoiceBench 82.8 与 GPT-4o-mini-Audio 持平，单张 80GB GPU 可跑，Apache 2.0

核心背景与行业痛点

语音 Agent 正从「你说完我再说」的半双工，走向像打电话一样能被打断、会接话的全双工。闭源方案有 OpenAI GPT-Live、GPT-4o 系列语音接口；开源一侧此前有 Moshi、MiniCPM-o、Freeze-Omni，本站也报道过 Block 的 Dessa 和 Boson AI 的 Higgs Realtime Duplex。开源方案的普遍短板是「大脑」偏弱、听不出语气，也很难在单卡上服务多路并发。

架构亮点与底层机制

Sophon-Realtime v1 三个版本共用一个 32B「大脑」：它在用户每次停顿时只用一个 token 判断对方是说完了、还在说、在附和还是在思考，并从第一次停顿起就预先起草回复，用户继续说就丢弃草稿；被打断时立即停下，只把用户实际听到的部分留在对话历史里。大脑还会在回复里标注笑、叹气、呼吸、重读等声音标签，由发声模型演出来而不是念出来。Tag 版用基于 Fun-CosyVoice3-0.5B 的表现力 TTS，Flash 版换成每 80 毫秒一帧、单次前向的轻量发声模型，E2E 版则把发声器做进 32B 模型内部。

权威 Benchmark 与实测跑分对比

以下均为团队自测（厂商口径）：VoiceBench 82.8、Big Bench Audio 81.8%，在开源全双工模型中第一；副语言理解 48.6，高于 Gemini 3.8 Flash 的 46.9；Full-Duplex-Bench v3 工具调用 Pass@1 48%，Grok 为 43%。非语言声音评测 NVV-SuperBench 上 Tag 版中文 0.86、英文 0.80。官方也承认叹气、边说边笑等标签仍偏弱，中文清晰度略逊英文，超过约 1 分钟的长回复超出训练范围。目前没有第三方独立复测。

开发者实战落地与开箱指南

需要 Linux、CUDA、Python 3.12 和一张 80GB 显卡（H100、H800 或 A100 80G）。最快的方式是 pip install sophon-realtime，再运行 sophon-realtime serve，服务会暴露 ws://HOST:8000/v1/realtime 全双工接口和 POST /v1/chat/completions。仓库里的 Live 模式网关兼容 OpenAI GPT-Live 协议，已有 GPT-Live 客户端只需改 URL 和 key 就能切换。也可以用 ms-swift 在单卡上做 LoRA 微调人设和领域知识。客服、车载等高并发场景优先试 Flash，陪伴和角色类应用试 Tag，上线前建议用自己的真实录音测打断和中文效果。