开发者基于 MiniCPM-o 4.5 构建开源全双工实时语音预约 Agent

开源开发者基于面壁智能 MiniCPM-o 4.5 构建了具备屏幕感知能力的实时语音预约智能体，探索端侧多模态模型在垂直业务流中的全双工交互范式。

• 该项目将轻量多模态模型置于交互核心，支持低延迟全双工语音对话，允许用户在沟通过程中随时打断或补充需求。
• 系统结合了实时视觉理解与确定性状态机控制，智能体能够边对话边读取操作界面的预约排期状态，并在关键确认节点引入用户二次确认以降低误操作风险。
• 代码以开源形式发布，为本地化运行或轻量化部署的智能客服与业务自动化提供了参考方案。
• 影响/看点：该案例展示了语音结合实时屏幕感知的交互可行性，但其在复杂业务场景中的规模化落地仍取决于模型在多轮噪声输入下对结构化业务状态的准确保持能力。
• 资料依据:
• OpenBMB（2026-09-20）：https://x.com/OpenBMB/status/2101663810561966530

本内容由 AI 生成，仅供参考，请注意甄别