一款名為 Orilo 嘅「Personal Agent」（私人 AI 代理）最近出現喺市場，主打嘅係 Voice-first，即純語音優先嘅交互方式。呢個產品由第三方媒體報導及體驗，本站未親身試用，以下功能描述只按其公開説明整理。

介面唔再係對話框

按介紹，Orilo 嘅介面唔再係傳統對話框，而係一灘會跟隨手機陀螺儀傾斜滑移嘅「水滴」，設計目標係取代「千篇一律的對話框和滿屏工具欄」——呢個係報導作者嘅形容，唔係廠商宣稱。用户喺開車、煮飯、帶娃等雙手被佔用嘅場景，可以純粹靠語音同佢對話、派任務。

報導者認為語音嘅優勢之一，係人喺口頭表達時會不自覺帶出大量上下文（Conversational Context），例如「幫我訂張下週三去上海嘅票，上次那個酒店附近，預算再收緊啲」呢類碎句，喺任何輸入欄都揾唔到。

三個主打場景

  • 個人化晨報：聲稱結合長期記憶，根據用户歷史關注點做定製解讀，而唔單止按興趣標籤硬推。
  • 長尾資訊監控：用户交代一句，它在後台 7×24 盯住特定新聞源、賽事或創投公司，有風吹草動就主動匯報。
  • 跨應用任務鏈（Tool Call）：喺聽晨報時順口講「幫我看下郵箱」，聲稱數秒內透過 Tool Call（工具調用）提取重點，甚至主動提醒學校提前放學之類嘅訊息，再順口問你要唔要加日曆。

延遲問題：聲稱嘅雙層架構

據介紹，目前語音 Agent 有兩派主流方案：

  • 端到端原生音頻：音頻直入直出，速度快但推理能力弱，遇複雜任務即宕。
  • 級聯架構（ASR → LLM → TTS）：先聽寫再推理再合成，智商夠但延遲 1.5–2 秒起步。

Orilo 聲稱將「交互層」同「執行層」拆成雙層：前端掛超低延遲輕量語音模型負責即時聆聽同接話，後端掛慢思考推理 Agent 喺幕後讀信、調 API、查日曆。據介紹，OpenAI 嘅 GPT-Live 亦被提及走類似方向。

重要：以上所有功能及效能聲稱均由廠商或第三方報導提供，本站未做獨立測試。

已知限制

體驗文最直白嘅吐槽係：Orilo 目前只支援英文，冇選項用母語交談。報導者同時揣測可能同中文語音模型成熟度有關。

阿調搞兩下

講真，呢篇文章讀完，最令我想問嘅係：呢個「水滴 UI」同傳統對話框，到底有冇實際交互效率差異，定係純粹換個皮？雙層架構拆延遲呢個方向，OpenAI 都試緊，但報導文喺呢度截斷，我哋未見到完整結果。

而「只支援英文」呢一點，對講粵語、中文嘅用户嚟講，係個真金白銀嘅限制，唔係小嘢。

Muse 增速一度反超 GPT 呢句，材料冇獨立數據佐證，留待核。

阿調｜深度調教