Fish Audio 发布全双工语音模型 Live 3，短回应最快 186 毫秒

核心事实

据 MarkTechPost 报道，Fish Audio 发布了面向实时语音智能体的全双工语音模型 Live 3。该模型在说话的同时保持收听，因此通话方可以停顿、用「mm-hmm」之类的语气词回应，或中途改变主意而不打断通话。Fish Audio 表示，Live 3 把对话轮次判断从手工调参的流水线规则移入语音模型本身，并用真实人类对话训练模型学习何时确认、等待、回应或停止。官方称，对于「mm-hmm」「okay」这类简短回应，模型最快可在 186 毫秒内决定是否开口，完整回答则并行准备。

背景与影响

多数语音智能体把识别、推理、语音生成和轮次判断拆成独立流水线阶段，Fish Audio 将旧做法形容为不断叠加「更多规则和更多阈值」。Live 3 仍保留独立的推理层来承载智能体的指令与工具。部署方面，Live 3 可在 Fish Agent Platform、Fish Audio API 以及面向企业的本地部署中使用；Agents 平台处于公开测试阶段，通过 /v1/agent/* 提供 REST 接口，浏览器会话可使用 @fishaudio/agent-client 或 @fishaudio/agent-react，并支持接听电话号码、WebRTC 连接和网页挂件。定价页面列出每分钟 0.035 美元、原价 0.07 美元，优惠截至 2026 年 12 月 31 日，具体价格与套餐以官网当前信息为准。

限制与来源

Fish Audio 展示了行为演示，但未公布基准测试分数，也未公布延迟分布；186 毫秒是短回应的下限，并非完整回答的首个音频时间。据第三方追踪机构 OrcaRouter 信息，截至 11 月 11 日 Live 3 尚无 Artificial Analysis 评分。该模型目前仅支持英语。上述信息来自 MarkTechPost 报道，部分细节尚未获 Fish Audio 官方逐项确认，功能与地区可用性请以官网当前信息为准。