聲網研究院聯合 RTE 開發者社區推出了《對話式 AI 發展白皮書》。該白皮書基于聲網對行業的深刻洞察和自身經驗，從發展背景、技術模塊、產品方案及生態、對話體驗質量評估方法、應用實踐落地等多個維度，系統地梳理了對話式 AI 的發展現狀與未來趨勢，為行業打造了一本可落地的實踐指南。

《白皮書》指出，隨著對話式 AI 技術的快速發展，VoiceAgent 是目前市場上極具代表性的產品形態。當前，Voice Agent 主要有傳統的J聯模式（ASR+LLM+TTS） 與端到端模式兩種主流架構。J聯模式以其高靈活度、成本優良帶來的靈活性，仍是現階段大多數企業的選；而端到端模式則在高性能、快速部署方面潛力更大，代表著未來演進方向。在聲網看來，成熟的生態協作已成為推動對話式 AI 普及的關鍵。從 Deepgram、MiniMax、OpenAI 到國內的通義千問、智譜清言、豆包等 LLM 廠商，從語音識別、語音合成到實時通信技術提供商，一個覆蓋技術鏈各環節的開放生態正在形成。

GPT-4o 的發布開創了 AI 實時語音交互的先河，推動了 AI 語音交互進入 對話延遲更低、互動更流暢的 RTC 方案。同時，在 10 月份，OpenAI 發布了與 Agora（聲網 兄弟公司）、Livekit、Twilio 共建的 RealtimeAPI 公開測試版，用于構建基于 GPT-4o 語音 到語音的 AI 應用和智能體，所有付費的開發者都能在應用程序中構建低延遲、多模態的實 時互動體驗。

當前對話式 AI 的應用有兩個技術路線，分別是端到端模型方案和J聯模型方案，兩者 在性能、成本、靈活性、擴展性以及集成部署等方面各有優缺點。同時，對話式 AI 的交互 體驗伴隨著技術升J和應用擴展正在快速發展，對于開發者與 AI 創業者而言，如何選擇Z 適合自身業務的技術方案與產品供應商顯得至關重要。

對此，聲網研究院聯合 RTE 開發者社區推出《對話式 AI 發展白皮書》，基于對行業的洞 察、調研，并結合自身的業務經驗，從對話式 AI 發展的背景、技術方案與產品生態、對話 體驗質量評估方法、應用實踐落地等多個維度系統的梳理對話式 AI 的發展現狀與未來的趨 勢方向，希望能為行業的從業者帶來更多的幫助。

對話式 AI 的爆發開啟了人與 AI 互動的新紀元，硬件、教育、社交等各個領域的應用場景也隨之而來加速裂變。聲網聯合 RTE 開發者社區發布了《2025 對話式 AI 應用場景熱力榜單》，AI 語音助手、AI 社交與陪伴、AI 潮玩位列前三，充分說明對話式 AI 在個人助理與情感陪伴領域的強勁需求。緊隨其后的 AI 教育硬件、AI 硬件、AI 客服、口語訓練、AI 招聘等多元場景，進一步表明對話式 AI 技術正從消費端向產業端加速滲透。

白皮書中還推薦了對話式 AI 模型評測平臺，該平臺在基于聲網對話式 AI 引擎的基礎上，可以實時橫向評測J聯大模型中 ASR、LLM、TTS 的延遲數據、詞錯誤率、字母數字性能以及價格估算等多項指標，并涵蓋了市場主流的模型供應商，開發者可根據性能的數據表現，選擇更適配自身業務的模型。

附件：2025對話式AI發展白皮書-技術模塊,產品方案及生態,對話體驗質量評估方法,應用實踐落地等發展現狀與未來趨勢