أصدرت Adventists AI عائلة نماذج Sophon-Realtime v1 الصوتية ثنائية الاتجاه في 8 نوفمبر، ونشرت الشيفرة والأوزان بموجب ترخيص Apache 2.0 على GitHub وHugging Face وModelScope وPyPI. وتشترك النماذج الثلاثة في «عقل» واحد بحجم 32B مكيّف من Qwen3-VL-32B-Instruct يستمع باستمرار ويقرر متى يتحدث ويكتب الرد؛ ويختلف بعضها عن بعض فقط في كيفية تحويل ذلك الرد إلى صوت.
أسرع نسخة، Flash، تصل إلى أول صوت خلال 0.31 ثانية وتخدم ما يصل إلى 40 مستخدمًا متزامنًا على وحدة معالجة رسومية واحدة بسعة 80 غيغابايت. أما النسخة الشاملة فهي معاينة بحثية تحتاج إلى وحدتي معالجة رسومية بسعة 80 غيغابايت لكل منهما. ويُشتق الصوت نفسه من Fun-CosyVoice3-0.5B، ويغطي ترخيص Apache 2.0 الشيفرة والأوزان معًا، لذا يمكن استخدام النماذج تجاريًا.
وفقًا لمعايير الفريق نفسه، سجّل Sophon-Realtime v1 نتيجة 82.8 على VoiceBench و81.8% على Big Bench Audio — الأول بين النماذج المفتوحة ثنائية الاتجاه، وعلى مستوى GPT-4o-mini-Audio في VoiceBench. وهذه الأرقام صادرة عن البائع وأجراها الفريق بنفسه ولم تُتحقق منها جهة مستقلة، فاعتبرها سببًا لتجربة النماذج لا نتائج محسومة.
البدء سطر واحد: pip install sophon-realtime، ثم sophon-realtime serve ينزّل أوزان Tag البالغة نحو 42 غيغابايت عند التشغيل الأول ويقدّم WebSocket بأسلوب OpenAI Realtime على المنفذ 8000، بحيث يمكن لعملاء Realtime الحاليين توجيهها إليه بأقل التعديلات.
أهمية الإصدار أن الصوت ثنائي الاتجاه — الاستماع والتحدث في الوقت نفسه مع مقاطعات طبيعية — ظل في الغالب خلف واجهات برمجية مغلقة. وعائلة مفتوحة الأوزان تعمل على وحدة معالجة رسومية واحدة بسعة 80 غيغابايت تمنح المطورين بديلًا مستضافًا ذاتيًا لوكلاء الصوت ومعالجة المكالمات والمساعدين الفوريين، مع أوزان ووصفة تدريب ومعايير قابلة للفحص جميعًا.