Venus Team、蚂蚁集团和清华大学发布 Realtime-Venus 全双工交互系统源代码，包含 Omni 与 Audio 模型、Harness 框架及浏览器 Demo，附论文 arXiv:2609.13814

Venus Team、蚂蚁集团与清华大学发布 Realtime-Venus 全双工交互系统源代码，包含 Omni 与 Audio 模型、Harness 框架及浏览器 Demo，并附论文 arXiv:2609.13814。系统定位为可实时看、听、回应，并在对话进行时并行执行后台任务：用户可让助手处理一项任务，同时继续交谈，结果返回同一对话并以语音播报。

组件方面，Realtime-Venus-Omni（9B）为流式音视频对话模型，支持主动交互与原生语音生成；Realtime-Venus-Audio（9B）为单独训练的语音交互、音频理解与原生语音生成模型；Realtime-Venus-Harness 为共享运行时，负责捕获委派请求、执行后台工作并把结果返回原对话。论文描述模型家族、双循环运行时、训练数据与评估；本次源码发布包含 Omni 模型集成、可复用的 Harness 包，以及使用 Codex 任务后端的浏览器 Demo，Demo 的纯麦克风模式也使用 Omni。

HuggingFace 仓库托管 Realtime-Venus 系统的两个检查点：Realtime-Venus-Omni 为 9B 音视频交互模型，持续观看和聆听、决定是否及何时回应，并在同一因果时间线上生成文本与语音，基于 MiniCPM-o 4.5 适配，支持主动交互、语义打断处理与免训练长视频记忆；Realtime-Venus-Audio 为同一流式骨干上的音频专注检查点，用于音频理解及以文本或语音输出的音频驱动对话。两个目录均含模型权重与自定义 Hugging Face Transformers 代码，异步 Realtime-Venus-Harness 及其外部工具集成位于 GitHub 仓库。

许可方面，仓库源代码采用 Apache License 2.0，另有单独许可声明的组件除外；第三方字体与论文图表保留各自许可。