Rime Prism 先写后说。这就是整个产品。

Rime Prism于2026年10月28日发布，是一款面向企业语音智能体的语音到语音模型，而它将被评判的特性并不是音质，而是 Prism 会先把回复以文本形式发出，然后再开口说出，这样你的应用就能在通话持续进行的同时读取、改写或拦截这句话。Rime 将其宣传为首个可微调的前沿语音到语音模型，定价为 Flex 档每分钟通话音频 0.080 美元，Scale 档 0.064 美元。厂商的头号基准数字是在 τ-Voice 上取得 56.6 分、首段音频延迟 0.57 秒——这个数字是 Rime 在 Artificial Analysis 所用的测试框架上跑出来的，并非已发布的排行榜成绩——而在 Rime 自己的图表中得分超过它的模型 GPT-Live-1，开口之前要多等 0.67 秒。这句话的两半都很重要，而第二半正是没人写进标题里的那一半。

文本检查点究竟能为你带来什么

每个基于级联架构构建的语音智能体——先语音识别，再语言模型，最后文本转语音——中间已经有文本了。每个基于大型实验室的融合实时模型构建的语音智能体则没有：它听到音频、思考并生成音频，而唯一可检查的产物是一段在你已经说出这些话之后才到达的转录文本。Rime 的论点是，第一类拥有控制权，第二类拥有音频保真度，而 Prism 试图两者兼得。

在实践中，检查点是一个在回合中途浮现的字符串。Rime 表示，文本层支持应用程序在音频发出之前可以着手处理的四件事：

• 改写——替换掉被策略层拒绝的句子，模型说出的是替换后的内容，而非原句。

• 阻断——如果护栏发现违禁声明、竞争对手名称或未经批准的披露，就可以直接阻止该发言，同时通话继续进行。

• 标记 — 动作标签和内容标签随文本一同传输，因此编排器无需等待音频播放完毕，即可触发工具调用或举手操作。

• 发音控制——姓名、账号和产品术语在文本中被固定下来，而这正是“按代码拼读，而不是当作单词”真正适用的地方。

而且工具调用与语音并行进行，而非在语音之前的那段间隙中进行，这正是它与级联方案的结构性差异：查询调用不会占用主叫方说完话与智能体开始说话之间的那段静默。

Rime 明确表示，这并非伪装成另一种形式的级联。它坚持认为，推理是直接基于音频本身进行的——语调、犹豫、笑声、背景噪声——文本只是一个输出路标，而非模型的输入。你不必全盘接受这一说法，也能明白企业买家为何在意：检查点正是审计追踪所需要的产物。“智能体说了什么，又是谁批准的”变成了针对一条留存字符串和一项策略决策的查询，而不是从通话录音中重建。

该基准声明存在漏洞，而且很容易核实。

这是 Rime 发布的图表，完全保持 Rime 发布时的原样：

• Rime Prism — 56.6 τ-Voice，首个音频输出耗时 0.57 秒，语音输出前无推理步骤。

• GPT-Live-1（Sol，低）— 59.3 τ-Voice，1.24 秒。

• GPT-Realtime-2.1 High — 45.7 τ-Voice，1.21 秒。

• Gemini 3.8 Live — 30.1 τ-Voice，1.18 秒。

看最上面那一行。Rime 自己的图表显示，有一个模型的得分高于 Prism。发布时的说法——“比 OpenAI 和 Google 的非推理型实时模型领先 17 到 30 分”——在限定范围内是真实的，而它划定的范围恰恰正好绕开了那个胜过它的模型。GPT-Live-1 比 Prism 高 2.7 分，代价是开始说话要多花 0.67 秒。这是一个正当的帕累托权衡，Rime 并没有隐瞒；这个数字就明明白白写在页面上。但这句话传播得比图表更远，而被引用的正是这句话。

还有第二处内部矛盾。Rime 还报告，在 τ-Voice 的电信子集上得分为 82.5，而 GPT-Live-1 为 45.6。单一领域上 37 分的差距和整体运行中 2.7 分的落后并非不可能——领域加权和任务组合可以造成这种情况——但这两者不能被同时解读为“Prism 在电信领域更好，在其他所有方面都更差”，而且 Rime 并未拆分公布各子集的规模。在它这样做之前，应把电信领域的数字视为营销子集，而非能力声明。

坊间还流传着第三个数字，但它根本不是基准测试。Rime 的发布材料谈到了大约 300 毫秒的“响应性”。而图表中测得的数字是 0.57 秒到达首段音频。这是两种不同的测量——一个是内部响应性，一个是呼叫者实际听到声音的时间——把较小的那个数字放在 GPT-Live-1 的 1.24 秒旁边引用，无异于拿秒表去比单圈成绩。

这些都不是对 Prism 质量的定论，而是对当前证据所能支持之内容的说明。Rime 在 Artificial Analysis 使用的同一评测框架上运行了 Prism，而在发布时，它尚未出现在公开排行榜上。τ-Voice 基准本身是真实且独立的——它源自一篇正在 ICML 2026 审稿的论文，基于 278 个航空、零售和电信服务任务构建，并配备一个会改变口音、背景噪音和对话轮次的语音用户模拟器——其作者发现，语音智能体在相同任务上的表现远低于文本智能体。正是这样的背景，让 56.6 显得有趣，而不是令人失望。也正是这一点，让独立复现成为值得等待的事情。

Prism 的费用是多少，以及级联的费用是多少

Prism 按通话音频的分钟数计费，这是大多数 TTS 供应商不采用的计费单位。已公布的套餐层级：

• 免费 — 每月 $50 使用额度，无需绑定信用卡，且其中已包含 Prism。

Flex — Prism 音频每分钟 $0.080，无月费，无需承诺。Rime STT 每分钟 $0.002，Mist v3 每分钟 $0.030，Coda v2 每分钟 $0.050。

• Scale — 每月 $100，$100 额度可结转至 $200，并享 20% 折扣，使 Prism 的价格为 $0.064/分钟。

• Enterprise — 定制化、按年付费，也是唯一一个增加 VPC 和本地部署，并支持基于客户通话与自定义语音进行微调的套餐层级。

按 Flex 费率计算，一千分钟 Prism 音频的模型成本为 80 美元，这还不包括电话通信、工作流和平台费用。这是否昂贵，完全取决于它替代了什么。级联方案需要支付三笔费用：识别、生成和合成。一个典型的中端市场技术栈可能每分钟在语音识别上花费两三美分，在语言模型上花费几美分（取决于其“思考”的多少），在合成上花费三到五美分——因此级联方案的总计常常接近或高于 Prism 的八美分，而且这还没有算上三次跳转的延迟，或让它们像一个系统一样运行所需的工程时间。

如果所选语言模型是廉价型号，且合成供应商也便宜，比较结果就会反转。在同一个 Rime 账户上，Mist v3 的价格为 $0.030/min，一套精简级联可以大幅低于 Prism——省下这笔钱的代价是失去检查点并继承接缝。这就是这个决策的真实形态：Prism 溢价出售的不是智能，而是可审阅的文本层；只有当你需要审阅时，才应该为此付费。

这是为谁打造的，以及谁应该再等等

发布时公布的设计合作伙伴——Dialpad 作为设计合作伙伴，Asurion、Upstart 和 Mayo Clinic 被列为客户，Twilio Ventures 位列投资者——指向了 Rime 正在争取的买家：联络中心平台和电话通信厂商，这些厂商的坐席说出的每一个字都已附带合规义务。Rime 声称符合 SOC 2 和 HIPAA，称 Prism 已为电话通信做好准备，通过 WebSocket 提供该服务，并提供云、VPC 或本地部署。最后一点是低调的差异化优势，因为前沿实时 API 仅支持云端。

客户证据比功能清单还要薄弱。Revmo 是一款点单代理，它在约十小时的生产通话数据上对 Prism 进行了微调，并报告称：94% 的订单是在主叫方同意"要我现在下单吗？"之后才下的——相比之下，它所替代的 OpenAI 代理这一比例为 57%。Rime 还援引了一家全国性连锁餐厅，其完成订单量提高了 8%、客户挂断次数减少了四分之三，以及一家财富 500 强金融服务公司，其问题拦截率（containment）提高了 42%。这些案例均未披露样本量、具体的 OpenAI 模型或测量方法。这类数字在方向上引人关注，但在证据上却很薄弱；而且在 Revmo 的案例中，大部分效果来自那十小时领域音频上的微调——被测量的并不是未经该微调的基座版 Prism。

如果你今天就需要多语言覆盖，那就先等等。Rime 并未公布 Prism 的语言列表或语音数量，而其独立的文本转语音产品则公布了这些信息。产品页面上缺少 Prism 的具体数字，这并不等同于覆盖范围差，但你无法依据一份未公布的列表来规划 30 个市场的推广。

同样，如果你需要一个可在内部引用的基准结果，也请稍等。目前还没有独立的 Prism 评分。如果你的采购流程要求进行第三方评估，那么本周诚实的说法是“由供应商在独立测试框架上运行，尚待发布”，而且你应该一字不差地就这么说。

检查点就是一次模型调用，而路由正是在这里发挥作用。

发布材料轻描淡写的一点是：文本检查点只有在某个环节能足够快地处理它、不至于打断对话时才有用。策略分类器、声明检测器、品牌安全审核——每一项都是在草稿与音频之间的一次模型调用。那是在延迟预算之中再套一层延迟预算，而正是设计中的这一部分，决定了 Prism 让人感觉是即时响应，还是像一次停顿。

Prism 由 Rime 直接销售，并不在 OrcaRouter 的产品目录中。而目录里有的，正是问题的另一半：检查点所调用的那些模型。一个密钥即可覆盖 200 多个模型，且相对提供商标价 0% 加价，因此一个快速的小型分类器和一个更大的升级模型可以位于同一个端点之后，并在其中一个在调用中途卡住时自动故障转移——而这恰恰是把巧妙的护栏变成一片死寂的那种故障模式。如果你改为把 Prism 运行在现有级联的前面，那么合成侧也在这里：openai/tts-1-hd 与 google/gemini-3.1-flash-tts-preview 今天均可路由。

路由 DSL 在这里比听起来更重要。当检查点的职责是“把这句话发送给廉价模型，除非它包含超过 $500 的数字或受监管术语”时，这就是一条路由规则，把它写在网关里胜过写在应用程序的热路径里。

需要关注什么，以及什么会改变答案

有三件事能让 Prism 从一个有趣的发布变成一个站得住脚的默认选择，而且每一件都可核查。

第一个是 Artificial Analysis 的条目。由厂商在合适的评测框架上自行运行，是一个合理的起点；而公开排行榜上的一行，才是能把 56.6 变成一个可以直接放进幻灯片、无需附加星号说明的数字的关键。

第二点是微调 API 结束 beta 阶段。Rime 表示，自助式 RL 和 SFT API 仍处于 beta 阶段。Revmo 的结果——发布中最有力的证据——来自十小时的领域音频。如果这个差距真实且可复现，那它才是真正的产品。如果这只是一个拥有异常干净数据集的单一客户，那么 Prism 只是一个不错的带检查点的模型，而非类别层面的改变。

第三项是语言列表。一款面向企业联络中心、覆盖八种语言的语音到语音模型属于区域性产品；而覆盖四十种语言的模型，则完全是另一家公司采购决策的范畴。

在这些功能落地之前，公允的总结是这样的：Rime 为语音智能体打造了一套确实与众不同的控制界面，其定价相对于它所取代的级联方案具有竞争力，并用一张比其新闻宣传口径更诚实的基准图表加以包装。检查点是真的，排行榜上的位置则只是一种宣称。如果你的智能体所说的话必须经过审批才能让客户听到，那么仅凭第一个事实就足以值得试用；如果你的智能体主要只需要能用二十种语言听起来自然，那就不值得。

适合快速浏览者的一句话版本

Prism 是一款每分钟 0.08 美元的语音到语音模型，它会在开口之前先把要说的句子交到你手上，代价是从通话者停止说话那一刻起，大约半秒的延迟。它并不比精简的级联方案更便宜，也不在任何公开排行榜上名列前茅。但它是当下唯一已经交付的产品，能让合规团队在模型的决策与客户的耳朵之间找到一个立足之地——而这个特性，你要么迫切需要，要么完全用不着。

如果你想在正式决定前先比较各替代方案的价格， catalogue 的级联部分只需一个端点即可访问，而上面的每分钟计算就是你在试用时该带上的数字。