直接接收语音并输出语音的 AI 交互方式。
不是按一下收音机等半天，更像菜市场砍价老手当场接话：你刚开口，它立马回嘴，来回才像真聊天。
常用于语音助手、客服和陪练，重点是实时接话、对话更自然。
Speech-to-text它不一定非要先转成文字，再继续理解和回答。
TTS语音输出是它的另一半，没有这环就聊不起来。
Real-time AI Translation跨语言实时对话，常把它当成交互外壳。
Multimodal它属于多模态交互的一种，核心模态是声音。