Rime 推出 Prism：能用强化学习定制的语音对话模型，瞄准企业电话客服

打过客服电话的人都懂：AI 最让人抓狂的，往往不是答错，而是停顿太久、插话太早。语音 AI 公司 Rime Labs 推出了面向企业的端到端语音对话模型 Prism，主打的就是「像人一样接话」。

先写后说，把关口留给企业

Prism 是 speech-to-speech 模型，也就是直接听用户的声音，再直接开口回答，而不是先转成文字、再交给大模型、最后合成语音。语气里的不耐烦、背景里的狗叫，它都听得到。

有意思的是，它在开口前会先写出要说的话。Rime 把这段文字叫作「检查点」：企业的规则可以在语音生成之前读完每个字，该拦的拦、该改的改。再加上工具调用和说话并行，它会一边说「我帮您查一下」，一边在后台办事，通话里不会出现冷场。

速度上，两套口径要分清

Rime 创始人兼 CEO Lily Clifford 在 X 上称，Prism 响应约 300 毫秒，比 OpenAI 的 GPT-Live 快 4 倍。官方博客的口径则更保守：约 500 毫秒，首个音频出现在 0.57 秒，约为 GPT-Live-1、GPT-Realtime-2.1 和 Gemini 3.8 Live 的一半。

准确度方面，Rime 在 Artificial Analysis 的语音对话测试框架下跑了 τ-Voice，Prism 得分 56.6，且没有「先推理再开口」的步骤。公司称，这比 OpenAI 和谷歌不先推理的实时模型高出 17 到 30 分；电信场景下是 82.5 对 GPT-Live-1 的 45.6。这些成绩都是 Rime 自己跑的，不是榜单上的公开条目。

真正的卖点：可以改造

语音智能体没法像文本模型那样先想一会儿再说，推理一多，延迟就超了。所以 Rime 的判断是：模型里有多少智能，通话里就只有多少，想在自己的业务上做得更好，就得拥有自己的权重。

公司称 Prism 是首个可以微调的语音对话模型，并展示了一个案例：用点餐平台 Revmo 的 10 小时线上通话搭了强化学习环境，训练出的 Prism 在下单前问「要我下单吗」的比例达到 94%，对比的 OpenAI 模型是 57%。这只是一个客户、一种行为，更像概念验证。

落地前要看的几件事

目前 Prism 只支持英语，自助的强化学习和监督微调接口还在跟内测客户一起做，并不是人人能用。接电话也有门槛：它不直接收发电话线路常用的 G.711 格式，需要额外做一层桥接。

不过思路很清楚：别的实时语音模型是「买来就用」，Prism 想做的是「买来再训」。对呼叫量大、话术固定的企业来说，后者的吸引力更大。想试的团队，不妨拿自己的真实通话录音，对比一下首音延迟和下单、核身这类关键环节的完成率。