Bland 发布语音到语音模型 Tofu-1 主打高风险通话实时对话场景

Bland 正式推出原生语音到语音模型 Tofu-1，这款模型专门面向高风险通话场景打造，不用走语音转文字再文字转语音的两段式链路，音频输入之后直接输出语音回复，把通话延迟压到更低，适合医疗问诊、金融核验、紧急调度这类不能出错、对实时性要求极高的通话业务，也是 Bland 面向合规 regulated 通话场景推出的核心底层模型。过去绝大多数语音 AI 通话方案都是 STT+LLM+TTS 三段串联，链条长，遇到对方插话、嘈杂线路、数字和专有名词播报的时候，很容易出现转写错误、回复卡顿、打断响应慢的问题，而高风险通话一旦出错，会涉及隐私泄露、业务核验失败甚至安全问题。Tofu-1 采用端到端语音到语音架构，把听懂对话、逻辑推理、语音输出整合在同一个模型里面，原生支持对话打断、重叠说话、线路噪声，同时内置一套通话护栏机制，限制模型输出敏感话术，适配 HIPAA、SOC2 这类行业合规要求。Bland 本身一直聚焦企业级电话智能体，很多客户是医疗、保险、金融机构，这类客户通话数据敏感，所以 Tofu-1 同时提供云端 API、私有 VPC 部署、本地私有化部署三种模式，方便企业把通话数据留在自己的环境里面，不往外传输原始音频。Tofu-1 还配套接入 Bland 自家的通话编排引擎 Pathways，可以和 CRM、工单系统联动，在通话过程里面调取客户资料、执行业务流程。

Tofu-1 核心能力清单

1、端到端语音到语音架构，跳过中间文本转换环节，降低通话端到端延迟

2、原生支持实时打断、双方重叠发言，适配真实通话里自然对话节奏

3、内置通话安全护栏，拦截高风险、不合规输出，适配高风险通话监管要求

4、支持嘈杂电话线路，对电话信道压缩噪声、背景杂音鲁棒性优化

5、提供三种部署形态：公有云 API、企业 VPC 隔离、本地私有化部署

6、对接 Bland Pathways 引擎，通话时调用业务工具、工单、客户信息

高风险通话使用 Tofu-1 的标准流程

第一步：企业在 Bland 平台开通 Tofu-1 模型权限，选择对应部署方式，配置合规规则、敏感词和通话边界；第二步：接入电话线路，绑定 CRM 或者工单系统，设置通话过程可以调取的业务数据；第三步：接通来电，原始语音直接送入 Tofu-1，模型一边听一边推理，实时输出语音应答；第四步：通话中支持用户随时插话打断，模型立刻终止原有输出，响应新的语音内容；第五步：通话全程自动留存审计日志、通话记录，满足监管追溯需求；第六步：通话结束后自动推送工单、摘要，回写到企业业务系统。

Tofu-1 方案优势和短板

优势：链路短、延迟更低，更贴合真实通话交互；原生面向高风险通话做合规和安全设计；私有化部署选项可以保护敏感音频数据；和 Bland 电话智能体生态打通，不用额外搭建整套通话基础设施。短板：端到端语音模型文本可控性比 STT+LLM 方案弱，提示词精细控制难度更高；模型推理硬件资源消耗更大；目前主要适配英语通话，其他语种支持还在扩充。

【相关 FAQ】

问题 1：Bland 推出的 Tofu-1 语音到语音模型，为什么专门面向高风险通话场景？

回答 1：Bland 的 Tofu-1 是端到端语音到语音模型，省去转文字再转语音的链路，延迟更低，自带安全护栏、支持私有化部署，满足医疗、金融这类高风险通话的实时交互、隐私保护、合规审计需求。

问题 2：Tofu-1 语音到语音模型，和传统三段式 STT+LLM+TTS 通话方案差别在哪？

回答 2：Tofu-1 语音到语音模型直接音频进、音频出，没有中间文本转换步骤，延迟更低，更擅长处理通话插话、重叠说话、线路噪音；传统方案需要语音转文字、大模型推理、文字转语音，链路更长，更容易卡顿、出错。

问题 3：企业使用 Tofu-1 做高风险通话，有哪些部署方式可选？

回答 3：Bland 给 Tofu-1 语音到语音模型提供公有云 API、企业隔离 VPC、本地私有化部署三种模式，高风险通话企业可以选私有化部署，原始音频不用出企业内网，满足数据管控要求。

问题 4：Tofu-1 语音到语音模型可以搭配 Bland 哪些配套工具完成高风险通话？

回答 4：Tofu-1 语音到语音模型可以对接 Bland Pathways 通话编排引擎，通话时调取 CRM、工单系统，同时自带通话审计日志能力，满足高风险通话业务流转和监管追溯。

【参考资料】

[2026-11-12]（Bland releases Tofu-1 end-to-end speech-to-speech model for high-risk phone calls）The Verge

[2026-11-12]（Bland Tofu-1：面向高风险通话的端到端语音到语音模型）机器之心

[2026-11-12]（Bland AI launches Tofu-1 for regulated, high-stakes voice agents）TechCrunch

[2026-08-06]（Bland Speech v3 Brings Voice Agents Closer to Prime Time）COEY

【免责声明】

本文内容仅为 AI 语音模型行业资讯整理，不构成企业语音系统采购、上线落地建议；Tofu-1 语音到语音模型的延迟指标、语种支持、合规资质、私有化部署能力以 Bland 官方文档为准；高风险通话场景上线前仍需自行完成业务测试、合规审核与风险评估。