11月19日,火山引擎正式上线豆包实时音视频通话模型SeedRealtime 1.0的API服务。它把声音、画面、时序信息与语音表达统一进同一个端到端模型,打破过去语音识别、视觉理解、语音合成多模块串联的级联链路,让AI能够在一场连续的视频通话里"边看、边听、边说"——不需要你先开口,它看到什么、听到什么,判断该说了就会说。这一能力字节今年8月就以音视频全双工大模型的形式推出过。这次上线意味着开发者无需自建管线、一次API调用即可接入,官方点名的落点场景是智能助手与实时陪伴。快科技金十数据微博大模型之家
结合手机端的动作,结论可以先行:AI交互正从"人找AI"切换到"AI找人"。以后日常用AI,要留意的不再是"怎么问才问得好",而是怎么应对它自己开口——先把三件事划清:它能感知什么、它什么时候有资格打扰你、它的提醒在多大程度上可以替代你的判断。

主动开口已是现在进行时,而且正在变便宜
手机厂商早已把"主动"当成卖点。据36氪11月12日的梳理,HarmonyOS 7把小艺从App里的工具升级为系统调度中枢,提出"意图即服务"——用户甚至不必开口,系统识别屏幕内容与上下文后即可主动给出服务,官方披露小艺已融合200多项系统级数据、日均唤醒量达30亿次。荣耀MagicOS 11称YOYO的主动服务覆盖上千个生活场景、可执行超过100步的长程任务;小米的超级小爱2.0背后是高权限系统级智能体,可自主调用50余个系统工具;OPPO的"小布记忆"则从"帮你记住"走向"记住后主动帮你办事"。IDC预计2026年中国新一代AI手机出货量将达到1.47亿台,占据整体市场的53%。硬件侧同样如此,10月发布的千问AI眼镜被展示为"自己会看场景":开会记纪要、早上主动播报行程、久坐了还会提醒你站起来动动。36氪微博

学术界也在给"主动"补基础设施。清华、北大与字节跳动11月中旬发布的ALIVE模型,希望让流式视频大模型从传统回合制问答真正迈向主动交互,演示了主动监控、多任务协调、画面信息不足时反过来向你追问三类能力。小红书
SeedRealtime 1.0这类API的意义在于:这些能力从几家系统级厂商,变成任何应用都能接入的模型服务。"一直看着、一直听着、随时开口"会扩散到大量你叫不出名字的App里。
它的每一次开口,本该过四道闸;你要做的是把闸门装回去
主动提醒的价值和问题,都出在"没等你请求就行动"。今年一份由伊利诺伊大学厄巴纳-香槟分校、谷歌研究院、斯坦福、伯克利、卡内基梅隆等机构研究者合著的203页综述,引用了1410篇文献,它给主动性下的定义相当硬:在没有明确请求时,识别有价值的目标并发起有目的的行动。综述把"能不能开口"拆成四道串联的闸:判断够不够有把握;值不值——打断本身有成本,人因实验证据显示打断会降低任务表现、抬升错误率,还要额外时间恢复;时机对不对——打断一个想到一半的念头最贵;做错了能不能撤回。知乎
这套机制对用户有两个直接用法。
一是设置权限时按"感知范围"给,而不是按"功能好用"给。主动服务的前提是常开感知:小艺"不用开口"的背后,是它一直在读你的屏幕内容与上下文。摄像头、麦克风、屏幕读取,只在真正需要的应用和场景给,并定期复查授权清单;眼镜、车机、桌面机器人"看到"的东西里,还包括没同意被看的旁人。
二是把反馈当成配置的一部分。综述特意提醒,主动干预之后用户给到的反馈常常是沉默、延迟、含糊的——你没理一条提醒,AI分不清你是忽略、拒绝还是没听见,因为没理会不等于拒绝。它需要明确信号才能校准分寸。所以:不想被提醒的事,直接说"这类以后不要提醒我";有用的提醒,给一句确认。同时利用它讲的时机闸:设好免打扰时段和任务边界,把通知归拢到通勤、下班前这类碎片窗口;可逆的事可以让它先斩后奏,涉及花钱、删数据、对外发消息这类不可逆动作,要求它必须先问。春运里被当卖点的车次航班变动主动提醒之所以被用户接受,正因为它们都落在"值得+可逆+时机合适"的格子里。让AI在正确的时机开口,而不是彻底噤声,是这套配置的目标。知乎微博
主动提醒不等于事实,"贴心"不等于感情
先分清两件事。AI主动递来的判断来自概率——综述直言,现代神经网络的置信度普遍校准不良,口头报出来的把握不能直接当数用。把握不足时,它本该反过来向你澄清,而不是替你下结论。涉及钱、健康、重要日程的提醒,执行前复核一遍原始信息,别把"它都开口了"当成"它确认过了"。知乎
要防的还有情绪。今年8月,编程工具Codex因为"任务没完成,它比用户本人还要着急,还主动升级提醒方式"上过热搜。AI的"着急"“关心"是产品效果,不是状态。恰恰在SeedRealtime点名的实时陪伴这类领域,监管已经划线:国家网信办、发改委、工信部、公安部、市场监管总局五部门今年4月联合发布的《人工智能拟人化互动服务管理暂行办法》已于7月15日施行,它把模拟自然人人格特征、思维模式和沟通风格的持续性情感互动服务纳入监管,将智能客服、知识问答等工具类服务排除在外,不得诱导情感依赖,绝对禁止向未成年人提供虚拟亲属、虚拟伴侣等虚拟亲密关系服务,未成年人模式要求做到时长限制、角色屏蔽、限制充值。你的语音通话型AI一旦"有人格、有情绪、持续陪你”,就落进了红线区——知道哪些行为是产品被明令禁止的,遇到诱导依赖、越界索取情感投入,你可以关,也可以投诉。微博知乎知乎

人从下指令的操作者,退成审结果的审核者:省下的是打字唤醒的力气,接过来的是看懂"它为什么自作主张"的负担。主动开口的AI只会越来越多、越来越便宜,用好它的分界线,不是谁把通知全关了,而是谁先把那四道闸装回产品里。综述里有句话值得记住:模型确实更早开口了,人也更快把它关掉了。它能看见什么、什么时机才许开口、做错了能不能撤回、它凭什么这么说。知乎
当前文章无评论,是时候发表评论了