iRTE 2026 设对话式 AI 专场，聚焦实时交互模型与 Voice Agent
iRTE 2026 对话式 AI 专场把实时交互模型拆成音频智能、多说话人识别、语音生成等环节来讲，适合做语音交互和 Voice Agent 的人看技术路线怎么走。
过去一年，OpenAI、Thinking Machines Lab 等团队把研究重点从生成更拟人的语音回答，转向更难的问题：AI 如何真正参与一场实时发生的互动。全双工模型让智能体边听边说，全模态让语音与视觉协同判断，交互模型则进一步判断此刻正在发生什么、下一步该如何响应。
正文摘录
.jpg) 过去一年，OpenAI、Thinking Machines Lab 等多模态团队开始把注意力从「生成更拟人的语音回答」，迈向一个更难的问题： AI 如何真正参与一场实时发生的互动 。 全双工模型 让智能体边听边说， 全模态 让语音、视觉等信息协同判断，而 交互模型 又往前一步： 此刻这场互动正在发生什么，下一步应该如何思考、响应和行动。 10 月 23 日下午 ，iRTE 2026「对话式 AI 技术专场」将围绕 「互动即智能：对话式 AI 与交互模型」 ，一起讨论这些正在发生的变化。 本场论坛由 西北工业大学计算机学院教授、博士生导师谢磊，与声网多模态负责人吴渤 共同担任出品人。 从音频智能、多模态交互、多说话人语音识别，到语音生成与交互模型，来自高校与产业一线的研究者、开发者，将从不同技术路径回答一个共同的问题： AI 真正进入实时互动，还需要具备哪些能力？  主题分享丨 AI 如何学会实时互动？ 从音频智能、多模态交互，到多说话人识别、实时语音生成，再到下一代交互模型，五场主题分享将从不同环节拆解 AI 如何实现「实时互动」。