Decagon推出Alto，掌控语音智能体的对话

Decagon于2026年11月11日推出Alto，这是一款由Decagon Labs开发的模型，用于控制其双工语音智能体的对话层，决定何时发言以及说什么。该公司表示，在真实客户通话中，Alto使问题解决率提高了五个百分点以上，同时平均响应时间约为700毫秒。

Decagon表示，在对比问题解决率期间，智能体其余部分的逻辑基本保持不变。公告没有说明这项结果涉及哪些客户、样本量、基准解决率或测量时段。Alto将Decagon的模型专门化范围从语音质量拓展至对话控制：判断是否有充分理由立即回答，以及在推理模型完成工作期间如何让来电者继续参与对话。

回答还是等待：如何决策

传统的级联式语音处理流程按顺序处理每一轮对话：先转写来电者的话语，再推理并组织回应，最后生成语音。Decagon的双工智能体则让快速对话模型与更强大的推理模型并行运行。前者负责倾听和发言；后者在对话背后处理复杂决策和操作，让智能体在任务进行期间仍能与来电者互动。

这种并行机制让智能体每轮对话都必须作出判断。等待推理模型可能打断对话节奏，但过早回答则可能导致未经确认的信息被说出口，例如，在系统尚未确认之前就告诉来电者他们的预订已经变更。因此，较小型对话模型带来的速度优势也伴随着可靠性问题，而仅靠双工架构并不能解决这一问题。

Alto会持续追踪来电者说过的内容以及智能体其他部分正在执行的操作，并以共享的通话记录为依据生成回应。在确认操作完成之前，它不会宣布操作已经完成。在查询信息或调用工具期间，它可以询问下一项所需信息，或主动与来电者确认进展，而不是依赖泛泛的填充话术。如果来电者提出新问题时查询结果刚好返回，Alto可以同时回答问题并提供结果。

针对模糊通话进行训练

Decagon最初采用小型开放权重模型，以保持快速响应；随后根据生产环境中的实际经验生成模拟通话，并用这些通话对模型进行微调。在强化学习过程中，Alto会针对对话中的每个节点生成多个可能的回应。评分过程首先考察模型是否正确决定回答还是等待，然后再评估其措辞是否符合业务政策，以及是否反映了已确认的信息。

Decagon发现Alto已经能正确处理大多数情况，因此将训练重点放在模糊情形上。该公司还在模拟的不同企业中调整政策和工具，目的是教会模型能够迁移到不同情境中的判断能力，而不是让它记住某一家公司的固定脚本。

Decagon表示，在任何来电者听到该模型的语音之前，公司已通过超过9000万次模拟通话对其进行测试。随后，Decagon让Alto以影子模式与实时生产流量并行运行，因此可以评估它的回应，而不会将这些回应说给来电者听。

两种专门化语音模型

Alto是在Voice 3和Chord之后推出的；两者于2026年10月1日发布。Voice 3将Chord的语音生成功能与双工架构相结合，并支持70多种语言。Chord塑造Decagon智能体的声音，而Alto则塑造它们进行对话的方式。Decagon此前表示，Chord独立带来了最高七个百分点的问题解决率提升。

这两种模型共同将语音表现拆分为两个训练目标：语音的自然度和对话判断能力。Alto公布的结果表明，第二个目标与成功解决客户问题有关；但其核心运行约束仍然是回答还是等待的决策——既要利用对话模型的速度，又不能让听起来自然的交流跑在已确认操作的前面。