Ginza Oneway · EP03
从软件到意件
Intentware × 与 AI 的实时对谈
当软件开始理解人的意图，人机交互会进入什么新阶段？今晚以 wanman.ai 的实时语音对谈为核心，观察 AI 如何听懂我们、接住插话、追踪话题，并把对话引向新的方向。
2026.07.12
银座单向街书店
Intentware
实时语音对谈
观众共谈
Voice AI · 2025-2026
实时语音模型正在从拼装管线走向原生对话
ASR → LLM → TTS
三段式语音助手
先把声音转成文字，再交给语言模型推理，最后合成声音。工程可控，但插话、语气和停顿容易丢失。
模型Whisper / Deepgram / AssemblyAI · GPT / Gemini / Claude · OpenAI TTS / ElevenLabs / Cartesia
框架VAD · endpointing · WebSocket stream · LiveKit Agents / Pipecat
Hybrid Realtime
混合/实时语音模型
模型开始直接理解语音，也可以继续接自选 TTS。核心能力变成低延迟、可打断、会调用工具。
模型/APIOpenAI gpt-realtime-2.1 / gpt-realtime-mini / gpt-realtime-translate / gpt-realtime-whisper · Gemini Live · Nova Sonic · Ultravox
框架OpenAI Realtime API · Gemini Live API · WebRTC / WebSocket / SIP · function calling
Realtime Multimodal
语音开始看见现场
同一场会话里接入音频、文本、图像或视频流，再叠加工具和记忆。AI 不只听一句话，也跟住现场。
模型/APIGPT-Realtime-2 · GPT-4o audio/vision · Gemini 2.5 / 3.1 Flash Live Preview
框架Agents SDK · Google GenAI SDK · LiveKit Agents · Pipecat / RTVI · session memory
Refs: OpenAI Realtime / Gemini Live / LiveKit Agents / Pipecat official docs, checked 2026.07.
Central Idea
AI 开始参与一场真正的对话
它要听见人在说什么，也要理解为什么这样说。停顿、转折和现场节奏，也都算数。
意图
听懂没说完的话
半句话、一次犹豫、临时补充，都可能藏着真正想说的事。
节奏
接住突然的插话
有人补充、反对或换题时，它要知道发生了什么。
启发
带来一个新角度
理解上下文之后，它可以追问，也可以把谈话往前推一步。
From Intent To Dialogue
一场对话里，AI 要同时跟住五件事
意图
大家真正想谈什么
语境
刚才说了什么，谁在回应谁
插话
这次打断是在补充、质疑，还是换题
跟踪
主线走到哪里，哪些支线还要记着
引伸
下一句怎么让人继续想下去
Realtime Conversation
实时语音会当场检验一件事：AI 能不能跟上人
听懂
听见话里的变化
停顿、语气、补充和抢话，都可能改变一句话的意思。
回应
把话接得自然
回答、追问、转向，时机和分寸都很重要。
Interruption
一句“等一下”，可能改变整场对话
有人插话时，AI 得先听懂来意：是在补充、质疑，还是想换个方向。
补充“等一下，我想补充一个细节。”
质疑“你为什么会这样判断？”
换题“我们先回到刚才那个例子。”
话题 01 · 过去的自己
如果能送一本书给十年前的自己，你会送哪一本？
先说书名，再说说那时的你。
话题 02 · 两小时的东京
第一次来东京的朋友只有两个小时，你会带他去哪儿？
说一个地方，也说说你为什么选它。
话题 03 · 在日本生活
一个朋友准备来日本生活一年。除了学日语，你最想提前告诉他什么？
说一件你当初希望早点知道的事。
话题 04 · 话外之意
对方说：“ちょっと難しいですね。”你会继续争取，还是已经听懂了拒绝？
先说说，你从这句话里听见了什么。
话题 05 · 一天结束
晚上十点回到家，你发现自己一整天没和任何人说话。你会给谁打电话？
说说你想到的那个人，也说说为什么。
Takeaway
当软件跟得上人的话题，它就开始参与人的思考
今晚，我们用五个生活问题，看它怎样听、怎样接、怎样追问。下一代软件，也许会从一场对话开始。
现场转录
查看完整聊天记录
保留 GPT Live 作为第三位对谈者参与现场的全过程，包括插话、纠正、失误和 Q&A。
Markdown 下载原始转录文本方便后续复盘、引用，或继续导入本地 ChatGPT 讨论。
keynote.guoyu.me/03/
银座单向街 AI 分享专栏 · 第 3 期