识别用户有效开口，快速停止播放和当前生成，并在保留上下文的情况下重新进入理解与决策。
- 有效语音与噪声区分
- 播放状态实时同步
- 打断后上下文续接
REALTIME INTERACTION
让语音交互真正接近真人节奏
声音像真人只是基础。千阶从发言权、打断响应和推理链路三个层面解决传统机器人的交互问题。
理解停顿、换气和犹豫，判断用户是否真正结束表达，减少机器人提前开口和双方重叠说话。
- 语义结束判断
- 动态等待时间
- 发言权智能控制
加速上下文、知识检索和流式生成链路，让 400B+ 大尺寸模型也能用于低延迟实时语音。
- 首字响应加速
- 长上下文处理优化
- RAG 与推理协同
INVALID CALL CONTROL
快速识别智能助手
减少无效通话时长
国内大量电话会被手机智能助手、防骚扰助手、自动应答或语音信箱接听。千阶结合语义和交互特征快速识别，并向上层应用输出可配置的结束决策。
快速识别智能助手与自动应答
事件输出VOICE_ASSISTANT
策略可配立即结束或交由上层
1
电话接通实时分析对方开场和交互特征
监听2
智能助手识别识别代接助手、自动应答、语音信箱
命中3
决策输出按配置结束，或将事件交由上层应用处理
结束信号COGNITION & CONTROL
理解、判断和控制全部开放
既具备大尺寸端到端模型的自然对话能力，也保留专业语音应用需要的意图、决策和话术级控制。
识别客户真实诉求、拒绝原因、状态变化和企业自定义意图。
综合意图、阶段、知识和业务规则，输出下一步对话动作。
接入大尺寸模型，为复杂理解、多轮推理和专业回答提供能力。
支持脚本节点、意图跳转、阶段推进和异常结束决策。
千阶提供底层语音、认知、知识和控制能力；上层应用决定具体业务流程与业务结果。
COST & CAPABILITY
同等真人化体验，更低的实时语音成本
千阶按分钟计费，避免输出音频 Token 成为主要成本；同时保留大模型、当轮 RAG 和话术级控制能力。
千阶 S2S 标准价格
¥0.09/ 分钟
以约 2,000 Token 的系统 Prompt 为参考口径
按外呼平均通话 18秒 计算：
0.09 × 18 ÷ 60 = 0.027元，即每通约 2.7分钱。
0.09 × 18 ÷ 60 = 0.027元，即每通约 2.7分钱。
¥0.09 / 分钟18秒通话约 ¥0.027 / 通
约 ¥0.35–0.50 / 分钟18秒通话约 ¥0.105–0.15 / 通
| 对比项 | 千阶实时语音 | 某端到端实时语音大模型 3.0 |
|---|---|---|
| 综合价格 | ✓0.09元/分钟，约为友商估算成本的 1/4 | 按音频和文本 Token 后付费，估算约0.35–0.50元/分钟，主要成本来自输出音频 |
| 真人效果 | ✓真人化效果基本对齐 | 大尺寸端到端语音交互效果 |
| 对话畅通度 | ✓支持打断、抢话控制和低延迟回复，体验基本对齐 | 支持原生端到端对话 |
| 本轮 RAG | ✓提供300–800ms自定义窗口，可在当前轮加载知识 | 当前接口能力下通常需要中途更新或等待下一轮生效 |
| 模型能力 | ✓默认400B级模型，可按需挂载GPT、GLM等模型 | 约12B级端到端模型，复杂逻辑推理能力受模型尺寸限制 |
| 话术控制 | ✓脚本节点、意图跳转、阶段推进和通用决策引擎 | 自然对话优先，复杂话术级流程控制能力有限 |
| 适用方向 | 专业外呼、催收、销售能力复刻、知识高准召客服等复杂场景 | 更适合流程较简单的实时语音和外呼场景 |
让400B级模型获得接近小尺寸模型的首字响应速度。
基于千阶历史数百万通实际电话样本训练和持续优化。
提供300–800ms可配置窗口，在本轮完成知识检索和加载。
提供免费向量服务，目标检索延迟控制在10ms以内。
提供呼出B2C、呼出B2B、呼入B2B及加微等参考流程。
默认100个真人音色，并支持智能助手、辱骂致歉、意图结束等决策。
查看某友商 Token 计费明细与测算依据
输入·文本10元/百万Token
输入·音频80元/百万Token
输入·文本 cached5元/百万Token
输入·音频 cached5元/百万Token
输出·文本80元/百万Token
输出·音频300元/百万Token
折算口径：输入每秒音频约6.25 Token，输出每秒音频约25 Token；System Prompt及重复上下文命中缓存后按cached价格计费。资料所述限制为QPM 60、TPM 100,000。友商产品资料口径注明API处于邀测阶段、预期2026年7月中下旬公测，实际价格、模型参数、限制和能力以友商最新官方信息为准；0.35–0.50元/分钟为按典型对话与约2,000 Token Prompt做出的估算，并非友商固定分钟单价。
ENGINE PIPELINE
一条可观察、可配置的实时链路
每层能力既能独立使用，也能组合为完整的专业语音机器人底座。
实时音频音频输入与状态同步
打断与抢话判断发言权和有效打断
意图引擎理解用户状态与诉求
知识检索意图、问答与企业 RAG
决策引擎话术、阶段与结束策略
模型加速400B+ 模型流式生成
语音输出真人化低延迟回复
KNOWLEDGE LOADING
加载企业意图与问答知识
无需重新训练基础模型。企业表达、标准答案和业务资料更新后即可用于实时对话。
意图知识加载
定义企业特有意图、典型说法和处理规则，让机器人知道用户真正想做什么。
意图：价格异议
"太贵了" · "别人家更便宜" · "还能优惠吗？"
命中动作：进入指定话术节点或输出上层事件
"太贵了" · "别人家更便宜" · "还能优惠吗？"
命中动作：进入指定话术节点或输出上层事件
相似表达关键词规则向量匹配意图跳转
问答知识加载
加载标准问答、产品知识和行业资料，通过企业 RAG 为模型提供准确上下文。
标准问题：支持分期付款吗？
相似问法自动召回同一知识，并结合当前话术阶段组织自然回复。
知识范围：企业问答、产品资料、行业知识
相似问法自动召回同一知识，并结合当前话术阶段组织自然回复。
知识范围：企业问答、产品资料、行业知识
批量导入TopK 召回租户隔离实时生效
EXPERT SCRIPTS
可复用的专业场景脚本
脚本是可配置的参考实现，为上层应用提供节点、阶段、意图跳转和异常处理能力。
B2C 销售对话脚本
包含开场、需求了解、异议处理、信息确认与结束节点，可按业务调整。
B2B 销售对话脚本
支持企业需求、角色确认、产品介绍、后续安排等多阶段对话控制。
智能客服对话脚本
结合问答知识、业务流程、异常识别和转接策略构建专业服务流程。
还可配置智能助手、辱骂、告别、忙碌、沉默等识别与结束策略。是否结束会话由上层应用控制。
构建自然、快速、可控的专业语音机器人
从千阶 S2S 体验开始，按需组合底层能力。