Phonic发布语音对话模型Phonic-1，其核心特性是「边说边查」：在用户尚未说完时，模型就并行调用工具检索信息，等对方讲完立刻用语音给出回答，从而把传统语音助手「先听完、再思考、后合成」的串行延迟压到几乎无感。模型支持50多种语言，并且可以在对话中切换语言而保持同一音色。
低延迟是语音交互能否成立的分水岭。人类对话的轮转间隔通常在数百毫秒量级，一旦AI的响应超过1至2秒，用户就会感到明显停顿并倾向于打断或放弃。此前行业主要靠流式识别与预生成来优化，Phonic-1把「工具调用」这一最耗时的环节前置到用户发声期间，属于架构层面的重排。
语音入口的竞争也在同步升温：阿里云升级Memory服务强化Personal Agent的长期记忆，千问进入Apple智能，各类AI听记卡与翻译硬件密集上市。当模型能同时做到「听得快、记得住、查得到」，语音助手才真正具备替代部分屏幕操作的可能。可以切换语言而保持同一音色，则指向了另一个实际需求——跨语言会议与出海业务的同声沟通。