MOSS-Live

MOSS-Live 是上海模思智能科技在 2026 年 11 月发布的全双工实时交互系统，要解决的是语音 AI 长期以来的一个尴尬：它遵循近似半双工的轮流发言模式，你说完它再说，听和说很难真正并行。于是就有了那些熟悉的瞬间：你话没说完它已经抢答，你随口嗯一声它以为你要打断，聊到新话题再让它接着刚才的说，它已经忘了讲到哪。MOSS-Live 的做法是让 AI 在说话的同时持续倾听，实时理解语义、说话意图与对话状态，动态判断何时回应、何时等待、何时接受打断、何时保持沉默。它在持续多模态感知上同时融合三路信息：语音流、视频画面与声学环境——比如结合实时画面识别你手指的物体，或识别导航播报这类无关声音并主动不响应。架构上采用前后台协同：前台交互模型负责持续感知、理解与语音交流，保证低延迟；遇到深度推理或长程任务，就把上下文交给后台模型异步执行，前台继续陪用户聊，结果回来再主动反馈，两者通过记忆、上下文与任务状态管理协同。它还支持实时视频通话、屏幕共享理解、实时调用工具与流式同声传译。官方公布的对比评测里，FDB v1 停顿抢话率（不含附和）约 1.44%，明显低于对照的 GPT Realtime 2.1 与豆包 SeedDuplex，无关语音误接话等指标同样领先。目前 MOSS-Live 已开放 API 接入并限时免费，可在模思智能官网体验，在 platform.moss.cn 申请密钥。母公司此前在 2026 年 1 月发布过语音大模型 MOSS-Speech，并参与发布了开源音视频同步生成模型 MOVA。