国内首个实时语音交互 Agent，阿里开卷

这是苍何的第 573 篇原创！

大家好，我是苍何。

阿里又开卷了。

前两天, Qoder上线了一个功能, 这个功能是语音交互的, 它叫Qoder Voice, 它是国内首个实时语音Agent。

简单说就是，你动动嘴，就可以实时让 Agent 干活

它会一边与你展开交流, 一边进行代码编写, 一边合并拉取请求, 一边部署工程项目, 做完之后还会主动向你予以汇报。

我花了一些时间上手体验，给大家做个分享。

先给大家看看效果。

将Qoder Voice开启之后, 便会出现一个作为常驻的语音助手悬浮窗, 接着就能够在实时的状态下跟它进行对话, 进而安排任务。

像是让它协助我开启本地的, 这般的项目。随后剖析项目整体的状况以及潜在的风险。

能瞧见, 在接收指令之后, Qoder 会自主性地开启那个项目, 还会将当下的上下文于该项目中运行。

然后分析这个项目整体情况，以及潜在的风险。

你别说，经过这么一顿分析，潜在漏洞还挺多的。

需你去思索, 要是此件事我借助打字来开展, 那可不得了, 我首先得切换至 Agent 面板, 随后键入指令, 接着目不转睛地注视着它运行完毕, 之后再输入下一条指令。

但是呢, 语音存在着这样的好处, 那就是, 当我嘴上正在说着要去分析项目的时候, 手上同时还能够去忙着干别的事情, 甚至于, 此时我的脑子里已然已经在思索接下来应该去做些什么了。

这时才呈现出实时语音Agent的核心价值, 即你的思维节奏不会再遭Agent 的执行节奏束缚。

以下是关于项目在特定方面的PR具体情形, 我径直向Qoder Voice进行呼吁, 让它协助我去查看当下特定方面存在哪些PR, 逐一给我讲清楚改了哪些内容, 以及哪些当前在条件上是能够予以合并的。

整一个去做 PR 这样一种事情之下, 嘴巴一张, 活儿就给甩出去了, 整个过程都不需要去盯着, 这便是真正意义上的那种甩手掌柜呀。

同样, 项目时不时会有社区伙伴提出issue, 这也就是bug反馈, 在这种时候, 我便径直朝着Qoder Voice一阵猛烈谴责。

叫它先帮我瞧瞧有啥, 瞧瞧当下版本里头哪些开展了代码更改, 接着帮我, 随后关停那个问题。

讲真的, 处理那种 issue 的事儿, 以前, 得开着页面在那儿干巴巴地等着, 现在, 嘴上随口一说就搞定了, 而且我还能够顺便刷一刷手机。

对于语音 Agent 而言, 最令人畅快的一点, 在于从今往后有了新的方式；那便是能够如同将工作任务转手交付给同事那般, 把相应事宜交付给 AI；不仅无需时刻盯着, 也不用反复催促；待其完成之后, 它会自行进行汇报。

在Qoder当中也能够展示语音对话的记录, 然而对正在执行任务的人而言, 看不看这个对话记录并非那么重要, 我只需发出指令, 让Qoder执行, 通过语音给我反馈结果, 如此便可以了。

同样地, 我持续进行口喷操作, 让Qoder在本地部署启动那个项目, 并且帮我于默认浏览器里打开链接, 之后让它去处理需求。

到了这个时间节点, 是值得展开一些讨论的, 有一些项目启动起来非常缓慢, 等待许久才会有相应的反馈, 但是呢, 我又没办法持续地去守候着, 不得已去开展其他的事务, 当我返回来的时候, 却已经过去了相当长的一段时间, 结果整个我大脑里构建的相关内容和联系都变得混乱不堪了。

毕竟极少数人能同一时间做很多事，还能保持上下文不被污染的

忠厚之人Qoder悄悄地, 在后台帮我修改代码, 接着重新启动服务, 并且告知我最终结果。

我全程不用管，好舒服啊。

但你肯定会想，万一它正干着活，我突然改主意了咋办？

换个说法, Qoder Voice 还有个能让我特别畅快的地方体现在这儿: 不管什么时候只要自己想打断就能打断, 不管什么时候只要自己想纠正就能纠正。

比如说, 我才刚刚让它帮我去修改tab栏的样式, 修改到只完成了一半的时候, 我忽然之间就感觉到那配色以及位置是不合适的呀, 紧接着就直接张大嘴巴说道: 「等一下, 要把颜色替换成绿色系的」。

它立马停下来，按新指令继续干。

这种感觉如同和真实的人一块儿协作, 你发出一声呼喊, 对方就领会了, 并非要撤回消息, 再来重新打一遍指令。

细讲起来, 那打字交互一旦发送出去后, 你要是想要修改, 那就得等它全部完毕之后, 再重新开始才行。而语音交互, 可以随时切入, 进行纠错尝试, 所花费的成本几乎就等于零这么个状况。

实际上, Codex曾推出过Codex live, 然而, 这个语音腔的味道太重了, 有时还会夹杂一些本人不太理解的外国小调, 着实很难持续对话来加以使用。

仿佛对面是个掌握中文的外国人正与你交流, 尽管每句话都能听懂, 然而我确信你或多或少会存在一些不适应以及不自然的状况。

与之比较而言, Qoder的这个语音反倒显得自然许多, 并且实时交互方面做得极为顺畅, 略微去做一些了解之后, 其底层是借助实时全双工语音模型Qwen-Audio-3.0-来进行驱动的。

这个模型, 获得了好多项权威榜单的第一名, 在那个上面的综合指数得分百分之八十四点一, 拿到全球最高荣誉。

我专门搞了个事儿, 使得 codex 与 Qoder 针对代码相互激烈争吵, 哈哈笑。

在这个视频当中, 你同样能够十分清晰地感触到Qoder语音给予你的那种真切的感觉, 而且它那种怼人的本事特别厉害, 其语气也是十分强硬的。

我最不喜欢和别人争吵，以后这事就拍她来吧。

要是想对Qoder Voice能力予以体验, 大伙能够前往开展下载, 下载的是Qoder的Quest模式版本那一项。

去开启一种全新的实时语音交互 Agent 协作模式。

相信我，你会爱上这种全新的体验。

将来, 与AI进行协作的主要流的方式必然会是语音技术, 而键盘仅仅会成为用于兜底的方案, 仅此而已。

哪一方率先将语音Agent达成丝滑且能够使用的状态, 哪一方便获取到了下一代开发工具的进入凭证, 此次阿里的确是抢先起跑了。