声网刘斌：“Her”真正落地实现离不开RTE能力的支撑｜MEET 2025

多模态交互AI Agent应用，离不开RTC能力的支持

原标题：声网刘斌：“Her”真正落地实现离不开RTE能力的支撑｜MEET 2025
文章来源：量子位
内容字数：5849字

声网：实时互动技术赋能AI Agent时代

本文总结了声网首席运营官刘斌在MEET 2025智能未来大会上关于实时互动技术（RTE）如何赋能AI Agent的演讲内容。声网作为全球最大的实时互动云服务商，其技术在AI Agent应用的落地过程中扮演着至关重要的角色。

1. 声网及其在实时互动领域的领先地位

声网于2020年在纳斯达克上市，致力于提供高质量的实时互动云服务。其平台月度音视频使用时长达700亿分钟，占据全球市场领先地位，服务涵盖泛娱乐、教育和物联网等多个领域。声网的兄弟公司Agora也是OpenAI Realtime API的合作伙伴，声网自身也与MiniMax合作开发国内首个Realtime API。

2. RTE在AI Agent应用中的关键作用

刘斌指出，多模态AI Agent应用的产品化落地，依赖于低延迟、端到端、全球任意地点、弱网环境以及各种终端下的稳定可靠的RTE能力。 他强调了两个关键因素：一是延迟，低于1.7秒的延迟才能保证自然流畅的交互体验；二是打断功能，实现主动交互是提升用户体验的关键。

3. 技术挑战与声网的解决方案

演讲中提到，将大模型与实时互动结合并非易事，OpenAI Realtime API的推出也经历了漫长的过程。这需要解决诸多技术难题，例如：在各种网络环境和终端设备上保证低延迟、高稳定性的实时音视频传输；处理各种环境噪声和网络干扰；以及优化人机交互体验，提升AI QoE（体验质量）。

声网凭借其遍布全球的SD-RTN网络、支持多种平台和终端的SDK以及多年的技术积累，能够有效应对这些挑战。其技术能够在各种复杂的网络环境下保证低延迟的实时互动，为AI Agent应用提供坚实的基础设施。

4. 声网的未来发展方向

声网正在持续优化其产品体系，例如提升Linux SDK、AI VAD（语音活动检测）能力以及AI Agent Service等，旨在成为生成式AI时代的AI基础设施的关键组成部分。 他们致力于将人机交互体验从目前的水平提升到一个新的高度，这不仅需要模型本身的改进，更需要完善的工程配套。

5. 结论

刘斌总结道，任何涉及大模型多模态实时交互的应用，都离不开RTE技术的支持。声网的技术实力和丰富的经验，使其能够为AI Agent应用的落地提供强有力的保障。 未来，声网将继续深耕RTE领域，为AI Agent应用的蓬勃发展提供更优质的服务。

联系作者

文章来源：量子位
作者微信：
作者简介：追踪人工智能新趋势，关注科技行业新突破