开源语音模型TYGER，分得清你是说完了、想插话还是随口嗯嗯
TYGER是一个开放权重的语音识别模型，带全双工对话控制。简单说，它分得清你是说完了、想插话，还是只在给一声“嗯嗯”的填充回应。过去的语音助手像对讲机，你说完它才处理；TYGER把节奏拉到了真人聊天这一侧。
延迟直接决定体验：中位端点延迟250毫秒，帧大小80毫秒，无前瞻，不用等后续音频来确认节奏。你话音刚停，AI就能接上话，正常对话里基本感觉不到这一等。
完整的语音代理叫tyger-s2s，由TYGER、Gemma 4 E4B和VoxCPM2组成。它跑在单块32GB显卡上，最多同时支撑4段对话。个人开发者和多数小团队可以整套部署在本地，不用绕道云端大厂。实际能不能稳稳跑满4段对话，还没有公开验证。
模型已经挂在Hugging Face上，代码在GitHub开源。下载、研究都行，但许可证是否允许商用，目前没有明确说明。
限制也很直接：现在只支持英语，中文用户暂时用不上。评论区已经有人嫌硬件门槛高，调侃“怕是得配块RTX 50590才行”。
关键事实
- TYGER是一个开放权重的语音识别（ASR）模型，同时具备全双工对话控制能力。
- TYGER能够识别用户是否说完、是否打断，以及是否只是发出'mm-hm'之类的填充回应。
- TYGER的中位端点延迟为250毫秒，帧大小为80毫秒，且无前瞻（no lookahead）。
- TYGER支持完整的语音代理tyger-s2s，由TYGER、Gemma 4 E4B和VoxCPM2组成，可在单个32 GB GPU上运行，最多支持4个并发对话。
- TYGER目前仅支持英语。
- TYGER模型已在Hugging Face上发布，代码在GitHub上开源。
- 有用户评论质疑TYGER对硬件资源的需求过高，认为需要类似RTX 50590级别的显卡。