Realtime-Venus: A full-duplex interaction system with asynchronous delegation
Aggiunta all'archivio di AIChronos il (numero del 22 settembre 2026 ricostruito)· fonte del · Ruixiang Zhao, Hualei Wang, Renhe Sun, Enzhi Zhou, Jincenzi Wu, Xujie Song (inclusionAI)
Realtime-Venus è un sistema di interazione full-duplex proattivo che integra percezione continua e generazione vocale nativa tramite due modelli separati da 9B parametri: Realtime-Venus-Omni per l'interazione audio-visuale e Realtime-Venus-Audio per quella puramente vocale. Il runtime a doppio ciclo coordina le interazioni in tempo reale con il ragionamento di background ed esecuzione degli strumenti, delegando compiti asincroni tramite una timeline causale condivisa. Entrambi i modelli seguono un protocollo comune di post-training che combina comprensione offline, traiettorie full-duplex proattive e flussi di lavoro per la delega.
- Realtime-Venus-Omni ottiene il punteggio più alto su sei degli otto benchmark video valutati, raggiungendo l'81.3% su Daily-Omni.
- Il modello Realtime-Venus-Audio supera Gemini 3.1 Live e GPT-4o nella capacità di rispondere al 75% delle interruzioni dell'utente mantenendo alti tassi di continuazione del dialogo.
- L'architettura utilizza un runtime a doppio ciclo che permette l'esecuzione asincrona dei task (tramite Realtime-Venus-Harness) senza interrompere la conversazione in primo piano.
- Entrambi i modelli integrano percezione continua, controllo della conversazione e generazione vocale nativa attraverso una timeline causale condivisa per input utente ed eventi di delega.
Perché conta. ['Rappresenta un passo avanti significativo verso agenti AI locali capaci di gestire interazioni full-duplex fluide, integrando percezione visiva e vocale in tempo reale.', 'La capacità di eseguire task asincroni senza bloccare il dialogo è cruciale per lo sviluppo di sistemi conversazionali robusti che operano in ambienti fisici o digitali complessi.']
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.