MOSS-Live – 模思智能推出的可打断续说的全双工语音交互系统

MOSS-Live 是模思智能于 2026 年 11 月推出的全双工实时交互系统，说话的同时持续接收并理解输入，按语义判断你是在附和、在思考还是真要打断；被打断后从断点续说，复杂任务交给后台模型异步执行，前台对话不中断，支持视频通话、屏幕共享与边听边译。适用于长对话客服、跨语言远程沟通、多人会议与座席辅助等场景。

MOSS-Live 的核心能力

MOSS-Live 的着力点不在音色或多语言，而在把「什么时候该说话」交给语义判断。以下五项能力对应它与其他实时语音模型的分野。

说话时仍在听，按语义判断何时接话

多数语音助手像对讲机，你说完它才说；MOSS-Live 更像一通电话，输出语音的同时持续接收并理解输入。「嗯」「对」被识别为附和，它继续讲；「等一下」被识别为打断，立即停下；你停下来思考，它等你把话说完。判据不只看静音了多久，还结合语义、说话意图与当前对话状态。同类全双工路线在字节的 SeedRealtime 上也能对照着看。

打断后从断点续说，只认已说出口的内容

被打断时，模型清楚自己实际说到了哪个字，之后的对话以此为准：从断点接续，也不会假设你听到了它还没说出口的部分。官方产品页的演示对话就是这一组：你问「刚才数到几了」，它答「数到 19，从 20 接着数」，而不是从头再来。

前台陪聊、后台办事，对话不中断

结构上前台交互模型始终在线，负责实时听与说；后台模型异步执行复杂推理与工具调用。两者通过记忆、上下文与任务状态管理协调，结果就绪后择机带回对话。因此调研、规划这类耗时任务不需要把对话挂起等待，前台可以继续聊别的事情。

几个人同时在场，也知道哪句话是对它说的

多人环境里，它按说话对象区分指令：哪一句是对它说的，旁人之间的闲聊它不插嘴。配合视频通话与屏幕共享，它能看见画面里的内容；按事先约定的规则，条件满足时主动出声，而不是等你再问一次。

边听边译，不等整段说完

翻译与倾听同步进行，你说到哪它译到哪，不必等一段话收尾再出译文。对跨语言会议与远程协作，这一条决定了译文能不能跟上讲话节奏。同类能力可对照站内的 Qwen3.8-LiveTranslate。

MOSS-Live 与同类实时语音模型的对比

下表从出品方、交互形态、上下文与时长、多模态感知等维度，对三款实时语音模型逐项对照。

• 表格内数据来源：MOSS-Live 一列取自模思智能官网产品页与 MOSS API 定价页，GPT-Realtime-2 一列取自站内该模型页的参数表与公开定价，Qwen-Audio-3.0-Realtime 一列取自站内该模型页的参数表。
• 产品对比简述：交互形态上 MOSS-Live 是全双工语音加视频通话，GPT-Realtime-2 走端到端实时语音；承载上 GPT-Realtime-2 给到 128K 上下文，MOSS-Live 靠前后台共享任务状态、未公布上下文上限。

同属 MOSS 系列的还有文生图方向的 MOSS-Image，走的是原生布局控制路线，和 MOSS-Live 的实时交互不是同一件事。

MOSS-Live 的应用场景与适用人群

对话会被打断、被打断后还要接着往下走时，全双工才有意义：

• 长对话客服：客户中途插话、追问与犹豫，模型按语义判断该停还是该等，不必回顾前面已经聊过的内容。
• 跨语言远程沟通：边听边译，译文跟着讲话节奏走，适合多语种会议与海外协作。
• 多人会议与访谈：分辨哪句话是对它说的，旁人闲聊不插嘴，会后还能调后台整理结论。
• 座席辅助与陪练：约定规则后主动出声提示，屏幕共享时能看见对方在看的内容。

适用人群：需要把实时语音接进业务流程的客服与销售团队、做跨语言协作的运营岗，以及自建实时交互链路的工程组。若只要单向语音转写或纯文本生成，通用模型更省成本；开源全双工路线可对照 MiniCPM-o 4.5。

MOSS-Live 的使用方法

两条路径对应两种载体：网页版直接开口对话，或经接口接进自己的系统。

网页端：在产品页点立即体验直接通话

1. 打开模思智能 MOSS-Live 官网产品页，点「立即体验」。
2. 进入通话界面后授予麦克风权限；要试屏幕共享与视频画面，再授予对应权限。
3. 先用一个完整句子提问，再故意停顿两秒，观察它是等你还是抢答。
4. 说到一半插一句「等一下」，确认它是否立即停下；接着说下去，看它是否从断点续说而非重来。

接口：在 MOSS API 控制台建 Key 接入

1. 访问 MOSS API 控制台并完成注册登录，控制台为中文界面。
2. 在 API Keys 页创建调用密钥，按项目分开管理。
3. 按 API Docs 的实时交互指南接入 moss-live-1.0，走 WebSocket /v1/realtime，连接地址为 wss://api.mosi.cn/v1/realtime?model=moss-live-1.0。
4. 在「用量与积分」页核对调用记录，Beta 期限时免费、暂不扣积分，后续收费口径以控制台为准。

API Key 只放在服务端环境变量与 WebSocket 握手请求头中，不要写进浏览器前端代码。实时通话对上行带宽与麦克风权限有要求；视频画面与屏幕共享取决于浏览器授权，未授权时只剩语音。后台任务在结果就绪后带回对话，不会中断前台交流。

MOSS-Live 的项目地址

• 官网产品页：https://www.moss.cn/products/moss-live
• MOSS Create 创作平台：https://create.moss.cn/
• MOSS API 控制台：https://platform.moss.cn/

MOSS-Live 的价格与付费方案

MOSS-Live 本身在官方模型页标注为 Beta 期限时免费、0 积分；MOSS API 平台上按积分挂牌的是语音生成、音色设计与语音转写三组服务，人民币参考价与积分扣除量并列给出：

• 语音生成：¥2.00 / 万字符，扣 40 积分，覆盖 moss-tts-1.0-pro、moss-tts-1.5-flash 与 moss-ttsd-1.0
• 音色设计：¥2.00 / 万字符，扣 40 积分，对应 moss-voice-generator-1.0
• 语音转写：基础档 ¥0.80 / 小时（16 积分），说话人分离档 ¥2.00 / 小时（40 积分）
• 企业方案：自定义配额，含专属服务、SLA 与技术支持

实时交互服务的收费政策尚未公布，调用暂不扣积分；官方文档写明计费按连接时长核算、断开后异步结算。个人配额不足时可另谈企业方案。

MOSS-Live 的常见问题