LQ
伶鹊技术架构重构 · 从电话接入到对话领域模型
Architecture reconstruction · 2026.08

一通电话,穿过十个技术架构视角

从号码与媒体流开始,经实时识别、话轮判断、承接语、知识与工具编排,到流式合成和回到电话线。这里把伶鹊品牌、OutboundBot、CCC、智能对话机器人与百炼能力放回各自边界:连成一条可读的参考链路,但不把相邻产品画成一套已经公开的统一运行时。

10 个视角总链 · 状态 · 时序 · 泳道 · 训练证据
2026-08-30信息截点 · Asia/Shanghai
Reference map公开能力 + 边界清晰的工程重构
阅读方法图是主体。每张图的短图注只标三类信息:官方页面已经披露的功能、为了理解链路所作的参考重构、公开资料仍未披露的内部实现。具体型号只在“可选能力”位置出现。
01

先画边界:品牌统一,不等于运行时合并

同一品牌下的产品可以组合;公开页面没有给出一张统一控制面、数据面与模型调度拓扑。

场景产品用户实际进入的服务形态
智能在线客服文本 / 多渠道智能语音热线呼入服务智能语音外呼任务驱动云联络中心人工与数字员工
对话式 AI 平台知识、流程与工具编排
智能对话机器人知识 / 流程 / 发布对话领域模型厂商产品形态RAG 与精排含 qwen3-rerank 可选项API / MCP外部工具入口AI 安全护栏输入与回复配置
实时交互能力语音输入、话轮与输出
流式 ASRVAD / 智能断句优雅打断语义判停与拒识承接语流式 TTS
相邻云服务可接入,不等于固定内核
CCC号码 / IVR / ACDOutboundBot任务 / 线路 / VUI百炼多模态应用全双工与模型配置百炼语音模型目录ASR / TTS 可选集合第三方模型与工具文档允许接入
官方披露2026-06-10 品牌公告确认四类产品统一升级为伶鹊;各帮助文档仍分别描述 CCC、OutboundBot、机器人和百炼配置。尚未披露统一运行时、共享模型版本及跨产品调度器。
02

一通电话的实时语音总链

声音并非一次性穿过六个黑盒,而是在收听、生成、播报与插话之间持续循环。

号码 / RTCPSTN · SIP · Web
→
媒体接入双向音频流
→
流式识别音频帧 → 增量文本
→
话轮判断继续听 / 判停 / 打断
→
对话编排上下文 · RAG · Workflow · MCP
→
流式输出生成文本 → TTS 音频
→
回到媒体流播报同时继续监听
有效插话 → 停止当前播报 → 话权回到用户 → 新一轮识别
参考重构这是由公开集成点拼出的端到端理解图,不代表伶鹊所有产品实例都经过完全相同的服务节点。尚未披露跨节点 trace、各阶段耗时分布及生产模型固定版本。
03

媒体与 ASR:在“听懂”之前先决定送什么

实时链路的输入不是一句完整文本,而是连续音频、说话状态和不断修订的转写结果。

Media plane · 媒体侧

线路 / RTC持续收发
→
语音活动窗口静音阈值兜底
→
音频帧送入识别
VAD OutboundBot 文档建议 600–800ms,上限 2000ms
注意 静音阈值不是智能断句的性能数字
⇄

Recognition plane · 识别侧

流式 ASR持续解码
→
增量假设文本可能修订
→
下游理解话轮与对话上下文
qwen3-asr-flash-realtimeFun-ASR / Paraformer 目录能力第三方 ASR 可配置
官方披露百炼当前页面给出的实时 ASR 精确 ID 为 qwen3-asr-flash-realtime,并允许选择其他或第三方语音模型。尚未披露伶鹊、CCC 或 OutboundBot 某个生产实例实际采用的型号。
04

话轮状态机:判停与打断解决的是两个方向

判停决定用户何时说完;打断决定机器人播报时,什么输入足以交回话权。

Listening用户说话
→
EOU candidate静音或语义候选
→
Thinking触发对话处理
→
Speaking流式播报
→
Barge-in check持续监听输入
↺
Listening有效插话后重启
Barge-in check 的分支
有效语义插话 → 停止播报 → 回到 Listening
噪声 / 背景人声 / 无效输入 → 拒识 → 继续 Speaking
能力
所属公开页面
主要输入
解决的问题
公开边界
VAD 静音阈值
OutboundBot
静音时长
基础话轮兜底
可配置阈值
智能断句
OutboundBot
说话行为 + 音频 + 语义
区分句中停顿与表达完成
模型结构未公开
优雅打断
OutboundBot
语音 + 语义;对比学习
过滤噪声、背景人声与无效插话
不是声纹识别
语义判停与拒识
百炼多模态应用
语义能力开关
减少误打断、误唤醒
开启可能增加时延
官方披露智能断句和优雅打断分别有功能说明;只有优雅打断页面明确提到对比学习。尚未披露二者是否共享模型权重,以及与百炼语义判停是否为同一实现。
05

快慢路径:承接语先占住话轮,正式答案继续计算

公开叙事确认“承接语 + 主任务”这一体验设计;模型大小、路由和同步细节不宜自行补齐。

判停后
启动
进行中
结果就绪
切换
继续播报
承接语支路
读取场景与当前话轮
生成或选择承接语
TTS 开始播报
保持自然话权
在安全边界结束
—
主任务支路
同时触发
RAG / Workflow / MCP
对话模型持续生成
正式答案首段就绪
接续承接语
流式文本 → TTS
用户侧听感
用户说完
“好的,我来查一下”
没有长静默
—
“查到这笔订单……”
正式回答
参考重构图只表达两条逻辑路径并行,不给未经公开测量的毫秒值。尚未披露“快脑”模型大小、分支是否真正并发、承接语取消与正式回答拼接算法。产品页的“1.5秒以内”与FAQ“<1.8s”均是不同厂商口径,不构成实测区间。
06

对话编排:模型位于知识、流程与工具之间

转写文本只是入口。完整回答还要读取会话状态,选择检索、确定性流程或外部工具,再把结果交回流式生成。

ASR 增量文本当前话轮
会话上下文历史轮次 / 变量
角色与约束人设 / 场景目标
→
对话编排层
意图与下一步回答 / 检索 / 执行动作
对话领域模型理解与生成
状态合并把检索和工具结果写回上下文
FAQ / 文档
qwen3-rerank
Workflow
API
MCPHTTP / SSE
→
流式文本逐段进入 TTS
变量 / 动作流程结果
安全护栏输入 / 回复可配置
官方披露机器人配置页截至 2026-08-25 已列出第三方 MCP、Streamable HTTP/SSE、Bearer、qwen3-rerank 和 AI 安全护栏。参考重构节点先后顺序用于解释常见编排关系,不代表内部固定调用图。
07

外呼泳道:任务先行,通话只是中间一段

OutboundBot负责名单、任务、线路、VUI与结果回收;对话可走小模型画布、大模型文本或工作流。

任务准备
拨号接通
实时对话
业务动作
结束回收
业务系统
名单 / API / 时间策略
等待状态
—
接收变量或调用结果
统计与后续流程
OutboundBot
任务、并发、场景配置
线路与接通状态处理
VUI / 话轮 / 场景路由
工作流 / 函数计算
录音、转写、变量、结果
语音与对话
—
真人 / 特殊接通状态
ASR → 判停/打断 → 模型 → TTS
画布 / 大模型 / 工具
会话关闭
用户
—
接听
多轮表达与插话
确认 / 补充信息
挂机
2026-07-28 · VUI 可配置上下文轮次新增系统变量与 FAQ 变量工作流入口调整“场景管理”更名“小模型场景管理”
官方披露2026-07-28 更新继续区分“小模型场景”,说明外呼产品内部仍有不同场景形态。尚未披露每次通话实际选择的 ASR/TTS、判停模型和回退策略。
08

呼入泳道:CCC 管话务,数字员工接对话能力

呼入由用户发起。号码与ACD、数字员工和对话能力来源是可以分开的集成层。

来电
路由
数字员工
服务处理
人工接续
用户
拨打服务号码
选择 / 自然表达
多轮对话
查询或办理
必要时进入人工
CCC
号码与线路
IVR / ACD
数字员工节点
保持话务会话
技能组 / 人工坐席
对话能力来源
—
按配置接入
阿里云对话机器人
或第三方能力
知识 / 流程 / API / MCP
结束机器人生成
语音链路
媒体流建立
语音导航
ASR / 话轮 / TTS
全双工或半双工配置
媒体路由切换
官方披露CCC接入方案允许数字员工选择阿里云机器人或第三方对话能力。参考重构语音链路放置位置用于解释职责边界。尚未披露所有呼入实例是否复用OutboundBot的智能断句与优雅打断实现。
09

训练证据双层图:产品宣称与论文不能画成一条实线

厂商页面点名方法,论文解释方法;两者之间缺少生产模型、数据与训练配置的公开映射。

产品层 · 厂商公开叙事

客服场景语料口语与习惯表达
逆向合成发布稿点名,细节未公开
SDPO段级偏好对齐
EPO多轮强化学习口径
名称相同 / 团队相关,不等于生产配置相同

论文层 · 可以独立复核的方法与实验

SDPO选择关键对话片段,降低多轮偏好数据噪声
论文实验边界Llama-3.1-8B-Chat · SOTOPIA 社交智能体;8.56 是 Self-Chat Goal 子指标
EPO战略推理模型 · 过程奖励 · 自博弈 · 强化学习
官方披露伶鹊页面点名逆向合成、SDPO和EPO;SDPO与EPO均有可读取论文。尚未披露生产模型参数、训练顺序、奖励函数、数据规模以及论文实现到商用版本的映射。
10

技术演进:从检索与状态机,到大模型与实时交互

时间线表达公开产品与研究能力的出现顺序,不暗示每一代内部组件都被下一代原样继承。

AliMe / 阿里小蜜

检索问答、意图识别、任务型对话与早期生成式闲聊。

Beebot / TaskFlow

对话机器人产品化,画布与任务流程成为可配置层。

语音模型工业化

Paraformer、FunASR、CosyVoice等模型与工具体系扩展。

通义晓蜜

大模型进入客服对话、语音服务和对话分析产品叙事。

SDPO / EPO 研究

多轮对话偏好对齐与战略推理强化学习公开发表。

伶鹊

品牌统一;全双工、对话领域模型、MCP与可选语音模型继续演进。

参考重构时间线根据公开论文、产品文档和品牌公告整理。尚未披露TaskFlow、老外呼能力与伶鹊新架构之间的代码继承、服务复用和迁移路径。
2026-08-25 · 工具与检索

机器人配置页出现第三方MCP、qwen3-rerank与AI安全护栏。

2026-08-26 · 多模态配置

百炼页面列出全/半双工、语义判停与拒识、自动承接语及第三方ASR/TTS。

2026-08-26 · 模型目录

实时ASR精确ID为qwen3-asr-flash-realtime;TTS目录包括Qwen-Audio-3.0-TTS、CosyVoice多版本与Qwen3-TTS。

SRC

技术来源

优先使用阿里云官方帮助文档、官方公告和原始论文;页面更新时间不等于功能首次上线日期。