量子位
·
声网刘斌：“Her”真正落地实现离不开RTE能力的支撑｜MEET 2025
内容提要
声网首席运营官刘斌在MEET 2025大会上指出，RTE能力是AI Agent应用落地的关键。声网致力于提供低延迟的实时互动体验，支持多模态对话，并通过与OpenAI和MiniMax的合作推动Realtime API的发展，以确保高效互动。
关键要点
-
声网首席运营官刘斌在MEET 2025大会上强调RTE能力是AI Agent应用落地的关键。
-
声网致力于提供低延迟的实时互动体验，支持多模态对话。
-
声网与OpenAI和MiniMax合作推动Realtime API的发展。
-
多模态对话体验的关键在于延迟低于1.7秒和能否打断交互。
-
声网在全球音视频技术领域占据领先地位，单月音视频使用时长达700亿分钟。
-
AI Agent应用需要在端到端、全球任意地点、弱网环境和各种终端下实现低时延。
-
声网的SD-RTN网络确保音视频传输在400毫秒内到达。
-
声网正在优化人与模型之间的对话体验，提升AI QoE。
-
声网的产品体系不断加强，包括Linux SDK、AI VAD能力和AI Agent Service的优化。
-
任何涉及大模型多模态实时交互的应用都离不开RTC技术的支持。
延伸解读
RTE能力的重要性
声网首席运营官刘斌强调，RTE（实时互动能力）是AI Agent应用成功落地的关键。低延迟和多模态对话的实现，依赖于强大的RTE技术支持，这意味着在设计AI应用时，必须优先考虑实时互动的能力，以提升用户体验。
全球网络基础设施的挑战
声网的SD-RTN网络确保音视频传输在400毫秒内完成，但在不同网络环境下，尤其是弱网情况下，保持低延迟仍然是一个挑战。开发者在构建AI Agent时，需要考虑如何在各种终端和网络条件下优化互动体验，以确保应用的普适性和稳定性。
多模态对话的未来
多模态对话的实现不仅依赖于技术的进步，还需要在用户交互中实现自然流畅的体验。刘斌提到，延迟低于1.7秒是关键，这要求开发者在设计时关注实时性和交互的双向性，以提升AI Agent的实用性和用户满意度。
延伸问答
RTE能力在AI Agent应用中有什么重要性？
RTE能力是AI Agent应用落地的关键，确保低延迟和高效互动。
声网如何支持多模态对话体验？
声网致力于提供低延迟的实时互动体验，确保延迟低于1.7秒，并支持打断交互。
声网与哪些公司合作推动Realtime API的发展？
声网与OpenAI和MiniMax合作，推动Realtime API的发展。
声网的SD-RTN网络有什么优势？
声网的SD-RTN网络确保音视频传输在400毫秒内到达，提供稳定的实时互动。
声网在全球音视频技术领域的地位如何？
声网是全球最大的实时互动云服务商，单月音视频使用时长达700亿分钟。
AI QoE与传统QoS有什么区别？
AI QoE是针对AI模型的用户体验优化，涵盖VAD技术和噪音消除等新方法。
