inclusionAI 發布 9B 視聽互動模型 Realtime-Venus，支援全雙工對話與主動互動

據 Reddit 社群消息，inclusionAI 在 Hugging Face 發布了 Realtime-Venus 系統的兩個模型權重，包含 9B 參數的視聽互動模型 Realtime-Venus-Omni 與專注於音訊的 Realtime-Venus-Audio。Realtime-Venus-Omni 基於 MiniCPM-o 4.5 改編，支援原生全雙工對話，能在生成語音時持續感知輸入，並區分使用者的中斷、糾正或重定向。模型具備主動互動能力，可持續處理時間對齊的視聽資料，並在特定事件發生時主動回應，無需等待使用者提示；同時支援免訓練的長影片記憶，可封存視覺資訊並檢索重組視聽上下文。此外，系統支援非同步工具委派（Delegation），外部任務不會阻塞對話進行；輸出方面則透過綁定的 Token2wav 資源與參考語音，同步生成文字與原生語音。