Boson AI动态

Boson AI正推动其核心业务从纯语音交互向“视听智能体”转型，试图通过实时渲染的AI虚拟形象解决自然对话中的非语言信号缺失问题。这一战略由CEO Alexander Smola在近期播客中阐述，并依托于2026年5月发布的Higgs Avatar模型及8月上线的Higgs Realtime API。

【背景】传统语音代理虽能处理音频，但缺乏面部表情和肢体语言等关键社交线索，导致交互体验割裂。Boson AI声称其自研的全栈模型（STT/TTS/Avatar）能在单张H100 GPU上实现每帧16毫秒的生成速度，支持8路并发会话，从而将成本控制在生产可用水平。

争议点在于“演示”与“生产”的距离：Smola承认小延迟或错误语调会破坏沉浸感，而行业普遍质疑当前技术在复杂情感对齐上的稳定性。尽管Higgs TTS 3在Hume AI独立评测中获口音相似度第一，但端到端视听交互的自然度尚无统一标准。

读者需关注：1. Boson Presence产品的正式GA日期；2. Higgs Avatar在真实客服场景中的留存率数据；3. 后续是否开放API给第三方开发者。