摘要
- 从今天起，Together AI 上线两款新的 Rime 模型：Rime Arcana V3 Turbo（英语–西班牙语，侧重性能）和 Rime Arcana V3（支持 11 种语言切换）
- 原生语码转换（code-switching），在语言切换处保持节奏和韵律一致
- Rime Arcana V3 Turbo：在 Together AI 专用端点上，首个音频输出时间约 120 毫秒
- 与 LLM 和 STT 工作负载部署在同一位置，统一 API 和统一可观测性
当来电者在一句话中途切换语言时，大多数语音智能体都会失去那种地道的听感：节奏滑掉，回应听起来像翻译，信任随之下降。团队往往通过在不同语言的专用 TTS 模型之间做路由来打补丁，但这种切换会增加延迟，还会让同一场对话中的语音表现前后不一致。Rime 的 Arcana V3 系列正是为这一刻而生：以生产级速度实现自然的语码转换，不再让多语言变成一个路由问题。
从今天起，AI Native Cloud（AI 原生云）Together AI 将 Rime Arcana V3 Turbo 和 Rime Arcana V3 加入 Together 模型库。V3 Turbo 在专用端点上以约 120 毫秒的首个音频输出时间实现英语–西班牙语语码转换，其韵律基于双语说话模式训练。V3 则用单一模型把切换范围扩展到 11 种语言。两款模型都与你的 LLM 和 STT 工作负载部署在同一位置，并使用你已经在用的同一套 API、身份验证和可观测性界面。
hi_thanks_for_calling_customer_support_en_de_fr_ja.wav
0:00
你好，感谢致电客户支持。我可以用多种语言为您提供帮助。（英语、德语、法语、日语）
V3 Turbo：为实时双语对话提供高性能
首个音频输出时间约 120ms
语音智能体的端到端延迟需要低于 700ms，才有对话的感觉，这意味着 TTS 必须为 STT 和 LLM 的处理留出余量。V3 Turbo 在 Together AI 专用端点上的首个音频输出时间约为 120ms，因此当客户在一句话中途从英语切换到西班牙语时，智能体的双语回应也能顺势跟上。将 V3 Turbo 与 LLM 和 STT 一起部署在 Together AI 上，可以让整条流水线（从语音识别、推理到合成）保持在 700ms 的预算之内。
基于母语级双语语音训练的英语–西班牙语语码转换
双语来电者会在一句话里混用两种语言。V3 Turbo 针对这些模式进行了训练，包括停顿落在哪里，以及语言边界处重音如何变化。客户说：“I need help with my account, es que no puedo acceder.” V3 Turbo 可以用同样混合的语体回应，停顿和重音与双语者实际说话的方式相符。
面向高并发部署的高效并发
V3 Turbo 的性能使单块 GPU 能支持更高的并发。对于在双语市场处理数千路并发通话的联络中心来说，这意味着在客户切换语言时，只需更少的 GPU 就能维持生产环境所需的延迟，在保证对话质量的同时降低总拥有成本。
V3：兼顾多语言广度与语码转换
覆盖 11 种语言，首个音频输出时间约 160ms
V3 在 Together AI 专用端点上的首个音频输出时间 p50 约为 160ms，同时支持 11 种语言之间的语码转换。即使模型要处理任意受支持语言对之间自然过渡的复杂性，多语言对话依然响应迅速。
11 种语言，自然过渡
V3 支持 11 种语言，并能在受支持的语言之间进行语码转换。客户先用法语开口，为说一个技术术语切换到英语，随后又回到法语进行澄清。V3 能处理这些切换，同时保持韵律和口音的一致。
一个模型服务多语言市场
V3 让团队可以整合过去需要按语言分别使用不同模型或供应商的做法。只需部署一次，就能通过单一端点为多语言客户提供服务，无需为每个市场维护独立的基础设施。当对话切换语言时，V3 会保持节奏和重音自然，让过渡听起来不像拼接而成。
hi_nice_to_meet_you_en_es_fr_de_pt_ar_he_hi_ja_ta.wav
0:00
你好，很高兴认识你！（英语、西班牙语、法语、德语、葡萄牙语、阿拉伯语、希伯来语、印地语、日语、泰米尔语）。
使用场景
双语大都市市场
在双语大都市市场，客服通话中经常出现语码转换。客户先用英语开口，为表达带有文化特色的语境切换到西班牙语，确认时再切换回来。V3 Turbo 以约 120ms 的首个音频输出时间处理这些切换，因此客户能在自动化流程中停留更久，而不是要求转接人工坐席。Together AI 专用端点即使在通话高峰期也能保持性能一致。
双语环境中的受监管服务
为双语社区服务的银行、医疗机构和政府服务部门，需要能像客户一样进行语码转换的智能体。致电咨询处方的客户，可能大部分时间说英语，但谈到症状或药品名称时会切换到母语。自然的切换可以减少重复和转接，因为来电者不必在通话中途不断试探智能体的语言能力。在 Together AI 上运行完整的语音技术栈，意味着一次合规审查即可覆盖 LLM、STT 和 TTS。
国际呼叫中心
服务多语言市场的呼叫中心，会遇到在一次通话中跨多种语言进行语码转换的客户。卢森堡的一位企业客户可能在一次对话中混用法语、德语和英语。V3 能在保持流畅的同时处理这些切换，而 Together AI 的统一可观测性意味着，你可以在同一个仪表盘上跟踪所有语言的性能表现。
Together AI 上的生产级推理
两款 Rime Arcana V3 模型都运行在 Together AI 专用端点上，拥有与 LLM 和 STT 工作负载并存的隔离 GPU 容量。Together AI 在单一平台上提供丰富的 TTS 目录，从开源模型到 Rime 这样的企业级专有模型，全部使用统一的工具链。
基础设施
- ✔ 专用 GPU 容量，工作负载相互隔离
- ✔ 99.9% 可用性 SLA
- ✔ SOC 2 Type II、HIPAA ready、符合 PCI 标准
- ✔ 全球数据中心
- ✔ 支持 WebSocket 流式传输
- ✔ 零数据留存，数据所有权与控制权完全归你
开发者体验
- ✔ 与 LLM 和 STT 端点使用相同的 SDK 和身份验证
- ✔ V3 Turbo 与 V3 共用统一的发音 API
- ✔ 整条语音流水线共用单一的可观测性与日志界面
- ✔ 通过配置选择和更换模型
- ✔ 提供专业声音克隆服务
- ✔ 支持面向高吞吐工作流的批处理
快速开始
→ 立即试用这两款模型
→ 阅读 TTS 文档
→ 联系销售，了解确定性发音控制、专用部署和批量定价