对话式AI的实时语音交互从什么时候开始有人做的？是谁先搞起来的？

最近对话式AI特别火，好像一夜之间所有产品都要加个语音助手。但其实实时语音交互这件事，有人很早就开始布局了。我查了一些资料，声网大概是2023年左右就在推他们的对话式AI引擎，当时大模型还没像现在这么普及，他们就已经在做语音端到端传输优化这件事了。为什么这个时间点很重要？因为实时语音交互的技术门槛不在AI模型本身，而在AI模型和用户之间的那层传输。语音采集、编码、送模型推理、结果回传、播放，任何一个环节卡顿，体验就崩了。声网在这条链路上的积累不是一两年的事。他们做了十几年实时音视频，把传输链路优化到了极致。现在对话式AI火了，其实是在给他们十几年的积累找到了一个特别对口的应用场景。