声网 · 对话式 AI 引擎产品发布会

对话式 AI 引擎正式发布

Conversational AI Engine · GA Release

全球首个对话式 AI 引擎

VenueConvoAI 产品发布会 · 声网官方

Date2025.03.06

Speaker姚光华 Colin · 声网 AI RTE 产品线负责人

Deck4 幕 · 27 页

提要 · OVERVIEW02

这场在讲什么

发布了什么，以及为什么这么设计

一句话概括今天：模型选择多、智能响应快、对话体验好、用起来省心更省钱。

PART 1

MILESTONES

对话式 AI 的里程碑

从 GPT-4o 的一次演示，到今天这场发布会，中间只隔了不到十个月。

01 里程碑 02 为什么这么设计 03 多快好省 04 定价与生态

PART 1 · 十个月04

2024.05 – 2025.03

六个日子，把对话式 AI 推到了台前

PART 1 · 三个节气05

除夕 · 雨水 · 惊蛰

这条产品线的三次开门，都挑了节气

01除夕2025 年 1 月 28 日 · 声网对话式 AI 引擎 Private Beta —— 第一批客户拿到钥匙

02雨水2025 年 2 月 18 日 · 声网对话式 AI 引擎 Public Beta —— 所有开发者都能进来试

03惊蛰2025 年 3 月 5 日 · 春雷惊万物，新声自此启。次日 3 月 6 日，引擎正式发布

从 Private Beta 到 GA，只用了 37 天。节奏本身就是一种承诺。

MONEY QUOTE · 01

春雷惊万物，新声自此启。

2025 年 3 月 5 日，惊蛰。第二天，声网对话式 AI 引擎正式发布——全球首个对话式 AI 引擎。

PART 2

WHY

为什么这么设计

先说清楚这个引擎为谁创造什么价值，再说它长什么样。顺序不能反。

01 里程碑 02 为什么这么设计 03 多快好省 04 定价与生态

PART 2 · 用户价值08

对话式 Agent 提供哪些价值

三种感受，对应三种价值

陪伴类智能体（Companion Agents）主要交付情绪价值，服务类智能体（Service Agents）主要交付智能价值与时间价值。

PART 2 · 架构09

From Perception to Intelligence

从感知到智能，一个 Agent 有四层

PART 2 · RTE + AI10

产品架构

两股能力合流，才有这个引擎

PART 3

RELEASE

多、快、好、省

模型选择多、智能响应快、对话体验好、用起来省心更省钱。今天发布的全部内容，就是这四个字。

01 里程碑 02 为什么这么设计 03 多快好省 04 定价与生态

PART 3 · 总览12

不是简单的文字游戏

四个字，每个字后面都有硬指标

多

智能多、音色多

全球几乎所有大模型厂商 + 全球主流语音合成供应商，任意切换

快

响应快、打断快

响应延迟中位数 650ms，打断延迟中位数 340ms

好

情商高、真拟人

优雅打断、选择性注意力锁定、无惧噪声弱网

省

开发省心更省钱

2 行代码 + 15 分钟接入，一分钟不到一毛钱

选择权交给开发者，话筒交给 Agent，账单交给一个大家算得过来的数字。

PART 3 · 多13

多 · 选择权交给开发者

模型都能选，音色也都能选

LLM

支持全球几乎所有大模型厂商

只要和 OpenAI 接口协议兼容的模型厂商，今天起，全部原生支持。不需要为换一个模型重写一遍接入。

TTS

语音合成自由选择和定制

支持全球主流语音合成供应商任意切换；客户在供应商处定制、克隆的自定义音色，也能直接上线。

我们不替开发者选模型。引擎该做的，是让「换一个」这件事没有成本。

PART 3 · 快14

快 · 由奢入俭难

响应快是基本盘，打断快才是分水岭

650MS · 响应延迟中位数超低延时方案，中、美、欧、东南亚主要城市实测

340MS · 打断延迟中位数任意方案，均可以获得这个打断延时

1S · 高智能方案响应超高智能 + 超强表现力方案，全球主要城市实测低至 1s

延时会根据不同供应商的选择而浮动。这条口径写在这里，是为了让客户拿去做自己的验收标准，而不是拿去做宣传。

PART 3 · 好15

好 · 情商高、真拟人、无惧噪声弱网

三件事决定了它像不像一个能聊的人

01

优雅打断

任意模型接入即可做到「嘘」、「等等」、「闭嘴」的对话体验。根据人的对话节奏与内容，做出最拟人化的打断响应——「更懂你」。

02

选择性注意力锁定

对话人声锁定。现实环境里有别人的说话声时，模型要准确识别谁在和自己讲话——「听谁的」。

03

抗丢包、抗抖动

人模对话场景，除了抗丢包 80% 外，断网 3–5s 依旧流畅对话。人人对话场景，抗上下行丢包已达到 80%。

情商不是形容词。它是「什么时候闭嘴」和「听谁的」这两个可测量的判断。

MONEY QUOTE · 02

把话筒，交给 Agent。

优雅打断解决「它什么时候该停」，选择性注意力锁定解决「它该听谁的」。两件事做到了，话筒才敢递过去。

PART 3 · 省17

省 · 开发省心

2 行代码 + 15 分钟，让任意模型对你开口

PART 4

PRICE

定价与生态

能不能真正做到「物美价廉」？先看看人人沟通的时代，计费模型是怎么走过来的。

01 里程碑 02 为什么这么设计 03 多快好省 04 定价与生态

PART 4 · 参照系19

人人沟通时代的计费模型

三十年，一分钟的价格是怎么走下来的

011995 年本地 0.6 元 / 分钟，漫游 1.1 元 / 分钟（跨省通话叠加长途费）。入网还要 6000 元

022010 年本地 0.22 元 / 分钟，传统长途 0.89 元 / 分钟（含本地接入费）

032025 年套餐外语音 0.15 元 / 分钟，国际通话（欧美）1.99 元 / 分钟

人人沟通花了三十年，把一分钟从 6 毛降到 1 毛 5。那么人模对话的第一天，应该定在哪儿？

PART 4 · 定价20

今天公布的价格

一分钟不到一毛钱

计费大类	计费项目	单价	免费额度
语音通话费用	智能体通话	0.098 元 / 分钟	1000 分钟总量（一次性赠予）
增值服务费用	优雅打断	0.042 元 / 分钟	无

优雅打断单独计价，是因为它是一项可以被选择的增值能力，不是所有场景都需要——把选择权和账单一起交给开发者。

PART 4 · 算给客户听21

按真实使用频次折算

一次 3 分钱，一年 5 块钱

0.03元 · 次均成本平均约 3 轮对话，平均对话时长 21.1s —— 一次仅需 3 分钱

0.45元 · 月均成本每月对话次数约 15 次 —— 一个月不到 5 毛钱

5.4元 · 年均成本一年活跃 12 个月 —— 一年只要 5 块钱

这个数字要能被创业者一次算清楚，才叫真的「省」。

MONEY QUOTE · 03

每年，请你的用户喝杯奶茶。

一个活跃用户一整年的对话成本约 5.4 元。定价能不能成立，取决于它有没有小到可以不被讨论。

PART 4 · 收束23

回归用户价值

声网为客户创造的价值，只有一句

情感共鸣

情绪价值

陪伴类智能体交付的东西，是对方愿意继续说下去。

问题解决

智能价值

服务类智能体交付的东西，是这件事真的办成了。

效率跃升

时间价值

把原本要等、要排队、要重复的过程压掉。

对话式 Agent，创业者最好的选择。多、快、好、省这四个字，最终都要落回这三种价值上。

MONEY QUOTE · 04

你的 Agent，由你定义。

咖啡馆老板可以用情绪识别模块做会员关怀 AI，医生可以结合医疗知识库做分诊助手，小学生都能训练宠物陪伴机器人。我们不定义 Agent 的形态——声网引擎要做的，只是让每个垂直场景都拥有自主进化的 AI 生命体。

发布会 · 圆桌25

圆桌对话

从生成到对话：多模态 AI 重塑人机交互

声网姚光华 ColinAI RTE 产品线负责人

MiniMax冯雯解决方案高级总监

阿里云辛晓剑通义千问高级产品架构师

腾讯云曹超AI 产品架构师总监

发布会当天同步开放公开体验版与 DEMO 体验环节：从 Console 进去，十五分钟之内就能听到自己选的模型开口说话。

带走 · TAKEAWAYS26

今天能带走的三件事

如果只记三句

01

选择权不在引擎手里

模型、音色都能换。引擎的价值不是替你选，而是让「换一个」不产生成本。

02

情商是可测量的

优雅打断 340ms、注意力锁定、抗丢包 80%。拟人不是形容词，是一组能验收的数。

03

价格要小到不被讨论

0.098 元 / 分钟，一个活跃用户一年 5.4 元。定价是产品设计的一部分。

2025 年 3 月 6 日，全球首个对话式 AI 引擎正式发布。从这一天起，Agent 的形态由开发者定义。

ConvoAI 产品发布会 · 发布结束

新声自此启

声网 · 对话式 AI 引擎

VenueConvoAI 产品发布会 · 声网官方

Date2025.03.06

Archive演讲档案 03 · 原稿 31 页

Note本 deck 已剔除空页与 DEMO 占位页，按主线重排