Rime Prism

Prism 是 Rime（Rime Labs）面向企业语音智能体的语音到语音（speech-to-speech）模型，由 CEO Lily Clifford 于 2026 年 10 月 28 日发布。Rime 称它是“第一个可组合的语音到语音模型”：直接基于来电者的真实音频进行推理，先把要说的话写成文本供护栏检查，再开口说话，说话时还在继续听。

官方文章：Introducing Prism · 产品页：rime.ai/prism · 发布推文：Lily Clifford 的 X

要点

1. 要解决的问题：大厂的语音到语音模型在运行时把文本和音频融合在一起，你没法检查或改写智能体接下来要说的话；传统级联方案（语音转文字、LLM、文字转语音）可控，但会丢掉语气、迟疑、笑声和背景声。
2. 工作方式：一个端到端模型同时负责听、写出要说的话、说话时继续听。中间的文本是一个检查点：决策基于音频做出，你的规则可以在每个字变成语音前审一遍，而说出来的话仍带着来电者的情绪。
3. 检查点上的能力：可改写的文本（用于动作和内容标签）、针对人名和账户术语的音素控制、面向可组合智能体流程的工具管理；工具调用与说话并行进行。
4. 速度：发布推文称响应约 300 毫秒；在 Artificial Analysis 的测试框架上首个音频输出为 0.57 秒，约为 GPT-Live-1、GPT-Realtime-2.1、Gemini 3.8 Live 的一半。
5. 准确度：不开推理的情况下 τ-Voice 得分 56.6（航空、零售、电信客服通话），比 OpenAI 和 Google 所有不先推理的实时模型高 17 到 30 分；电信场景 82.5 对 45.6（GPT-Live-1）。
6. 可自有：Rime 称 Prism 是第一个任何人都能微调的语音到语音模型，支持用你自己的通话数据做强化学习；可部署在本地、私有云（VPC）或云端。Dialpad 是设计合作伙伴。

如何试用

1. 在 rime.ai/prism 注册（“Try Prism for free”）。发布推文称前 100 名注册用户可免费用一个月。
2. 接入你的语音智能体系统，在文本检查点挂上你的合规和策略检查，确保每句话在来电者听到前都审过。
3. 上生产前，用自己的通话数据微调，并用解决率、确认下单率等业务指标衡量效果。

适用场景

• 呼叫中心和客服语音智能体
• 每句话都需要合规披露和护栏的强监管流程
• 希望拥有模型、在自有基础设施上部署的团队

相关产品

Rime 的文字转语音模型 Coda（旗舰）和 Mist v3（最低延迟）用于级联方案。