Tavus发布Sparrow-2模型：语音AI不再一停顿就抢话

动察 Beating AI 快讯，AI 数字人公司 Tavus 推出实时对话理解模型 Sparrow-2，专门判断语音 Agent 现在该听、该等、该说，还是继续说。

它不再先把背景声音全部滤掉，而是把说话内容、语气、停顿、说话人、旁人声音和环境噪音一起判断，每 10ms 更新一次对话状态。这让它能处理很多传统语音 AI 容易翻车的场景。

你停几秒想下一句话，它可以继续等；你说一句「嗯哼」，它能判断是在鼓励 AI 继续说，不会立刻停下；旁边有人讲话，也不一定会被当成你在抢话。声音实在听不清，它会要求重说，而不是硬猜。

Tavus 在 575 个真实对话节点中测试 AI 会不会抢话或漏答。Sparrow-2 的对话时机失败率只有 2.1%，约为最佳对照模型的四分之一。

遇到用户停顿 1 秒以上思考时，它有 97% 的情况会继续等，不会误以为用户已经说完。这种「耐心」也不是靠单纯延迟回答换来的。Sparrow-2 和两个对照系统成功接话时，中位回复时间都是 680ms。

Sparrow-2 主要是更会判断什么时候该等、什么时候真的该开口。