NVIDIA 新研究：语音模型工具调用性能达 92% 准确率

NVIDIA 的最新研究展示了全双工语音模型在客服任务中的表现。在干净环境下，商业双工语音模型完成 31% 到 51% 的任务，而 GPT-5 在文本模式下能达到 85%。研究指出语音代理性能下降主要源于语音处理流程。解决方案是将决策从语音模型中移出，让前端学习发出委托令牌，将转录文本转发给文本后端 LLM 进行工具调用，再通过轻量级预填充和重复机制接收结果并流式合成语音输出。