Bland, l'entreprise de San Francisco spécialisée dans l'IA vocale, a publié Tofu-1, un modèle voix-à-voix full-duplex conçu pour les appels téléphoniques où l'audio est déjà mauvais. Annoncé le 13 novembre et largement rapporté le 15 novembre, c'est la première sortie d'une famille prévue de modèles voix-à-voix de Bland, et il est ouvert dès maintenant sous forme d'aperçu recherche restreint pour les entreprises.
Contrairement à la plupart des agents vocaux, Tofu-1 traite l'audio directement au lieu de le transcrire d'abord en texte. Il écoute et parle en même temps, de sorte qu'un appelant peut l'interrompre ou le corriger en pleine phrase, et il est conçu pour séparer la voix de l'appelant de tout ce qui se passe en arrière-plan — une télévision, un enfant qui pleure, la circulation, un interphone d'hôpital ou les tonalités d'un clavier. Bland affirme qu'il peut aussi distinguer les locuteurs et déterminer à qui une phrase s'adresse, de sorte qu'un téléviseur qui dit « oui » en arrière-plan n'annule pas accidentellement une police d'assurance.
L'aperçu est volontairement étroit : l'accès est ouvert à un nombre limité d'entreprises dans la banque, la santé, l'assurance et le secteur public, avec une disponibilité générale prévue pour janvier. Bland n'a publié aucun benchmark, ni taille de modèle, ni chiffre de latence, ni tarif, et son affirmation la plus spectaculaire — selon laquelle plus de 92% des personnes testées n'ont pas pu repérer le modèle — est auto-déclarée, et non vérifiée de manière indépendante.
Tofu-1 arrive deux jours après Duo v1 d'inclusionAI, un autre lancement natif full-duplex, alors que les entreprises d'IA vocale se précipitent vers des agents capables de tenir une vraie conversation téléphonique interruptible. En attendant les tests indépendants, Tofu-1 se lit surtout comme une direction à suivre : l'appel téléphonique, et non la zone de texte, devient la prochaine frontière des agents IA.