Prism把企业语音响应压到约500毫秒

Rime于10月28日发布企业级语音到语音模型Prism。公司称模型可在约500毫秒内响应，并在合成语音前先生成一层可检查文本，让企业把合规规则和安全护栏应用到每句话；工具调用可与语音同时进行，减少“先等工具、再开口”的停顿。Prism还支持按行业术语、发音和情绪线索微调，并可部署在企业自己的基础设施中，以控制数据和运行环境。其核心定位不是把文字转语音做得更像人，而是同时保留实时互动、可组合系统与输出审查。500毫秒、能力领先和人类感知表现来自Rime官方口径，尚缺广泛独立基准；企业采用前仍需验证多语言、噪声环境、打断处理、幻觉、端到端成本与真实客服流程中的稳定性。