返回首页

Tofu-1

x+web 0.94
访问原文

介绍

Tofu-1 是语音 AI 公司 Bland 于 2026 年 11 月 13 日（UTC）正式点名的全双工 speech-to-speech 模型。官方账号 @usebland 于 18:03:38Z（北京时间 11 月 14 日 02:03:38）发帖 “Introducing Tofu-1, Bland’s new speech-to-speech model”，并指向产品页 https://www.bland.ai/speech-to-speech。官方长帖写明：演示视频里的来电者、坐席和背景声全部由 Tofu-1 生成；高风险通话往往发生在风暴、公路边或有孩子哭闹的背景中；模型按企业日常接到的来电训练，以便智能体也能应对同类情况，并开放研究预览报名。

Bland 的 Isaiah Granet（@zaygranet，简介写明 phone operator @usebland）于 18:09:33Z（北京时间 02:09:33）发帖 “Today we’re introducing Tofu-1”，补充说它会一边说一边听、一边说一边推理，并能把真正的来电者与电视或婴儿哭声等线路上的其他声音分开。

产品页把 Tofu-1 写成 “Bland's new speech-to-speech model” 和 “Bland's full duplex speech-to-speech model”，并写明这是 Bland speech-to-speech 模型系列的首个版本。页面描述的能力包括：理解音频而不只是文本，区分说话人、判定一句话是说给谁听的，并把人声从哭闹的孩子、电视、公路噪声、医院对讲和按键音中分开；生成包含多名说话人、重叠人声和房间环境的完整声音场景；全双工地同时听和说，以便来电者可以像对人一样中途打断或纠正；以及在继续对话的同时完成查证、检索等后台工作，并且在工作完成前不把任务说成已经办妥。官方举例包括所谓 TV Test：电视里清晰说出的 “Yes” 不应被当成来电者的确认。

访问方面，产品页写明 Tofu-1 的研究预览目前只向有限数量的企业开放，对象是处理银行、医疗、保险和政府等高风险通话的团队，申请后会在名额可用时通过邮件通知。不要把它写成已经对所有 Bland 客户或个人用户普遍开放，也不要把它写成更早的 Bland Speech v3 或 Bland TTS v3。

要点：

解释

为什么值得关注

这是 2026 年 11 月 13 日由 Bland 官方账号和产品页正式点名的新模型，而不是既有电话产品的一次未命名功能更新。公司帖时间 18:03:38Z（北京时间 11 月 14 日 02:03:38）落在本轮 00:32–04:32 扫描窗口内，上一轮 00:32 扫描没有收录。产品页把它写成 Bland speech-to-speech 模型系列的首个版本。

本页只复述 Bland 官方产品页、@usebland 公司帖和 Isaiah Granet 的公开说明。关于全双工、场景理解与生成、边说边推理，以及研究预览范围的表述，都来自这些来源，本页不作独立评测。

局限

公开材料没有给出参数量、训练数据规模、独立模型卡、正式 API 文档或开放时间表。不要把 Tofu-1 写成已经对所有客户或个人用户开放，也不要把它与更早的 Bland Speech v3 / Bland TTS v3 写成同一个产品。

用法

  1. 阅读官方产品页 https://www.bland.ai/speech-to-speech ，并对照公司帖 https://x.com/usebland/status/2121302984802152941 与 Isaiah Granet 的说明 https://x.com/zaygranet/status/2121304474178429220 ；
  2. 按官方说明，当前是面向有限企业的研究预览，需在产品页申请，名额可用时会收到邮件；不要把它写成已经对所有用户开放；
  3. 引用全双工、场景分离与生成、边说边推理或 TV Test 等能力时，请写明来源是 2026-11-13 Bland 官方产品页或官方帖，并再对一次上游；
  4. 不要把 Tofu-1 写成 Bland Speech v3 或 Bland TTS v3，也不要写成已经全面商用；本页只复述公开材料，对外引用前请再对一次上游。

广告