Lokutor

产品简介

Lokutor是一家来自西班牙的深度科技初创公司（Pre-Seed 阶段，2025年创立），专注于研发CPU原生的语音AI基础设施。该公司提出核心价值主张：在无需昂贵GPU的情况下，在标准CPU上实现与云端GPU方案同等质量的实时语音交互。Lokutor的语音AI管道涵盖五个核心模块——噪声抑制、轮次检测、语音识别、大语言模型和语音合成——从用户停止说话到听到AI回复的端到端延迟约为450毫秒，文本转语音首字节响应低于100毫秒。支持33种语言和10种语音，并提供动态口型同步。Lokutor已入选巴塞罗那超级计算中心（BSC）AI Factory加速计划和NVIDIA Inception计划。

核心功能

• CPU原生语音AI管道：整个语音交互链路全部在标准CPU上运行，不依赖GPU，大幅降低部署成本。
• 端到端亚秒级延迟：E2E延迟约450毫秒，文本转语音首字节响应低于100毫秒，实现真正自然的实时对话。
• 智能噪声抑制（Psst）：自研实时噪声抑制模型，在嘈杂咖啡馆（80dB）、大风街道（30km/h）等环境中，将语音识别错误率从18.4%降至4.2%，推理开销低于5毫秒。
• 自然轮次检测（Vela）：自研轮次检测模型，实现小于200毫秒的响应间隔，无惧「嗯」「啊」等插入语。
• 流匹配语音合成（Versa）：自研Flow-Matching TTS引擎，支持33种语言和10种语音，并提供动态口型数据。
• 多部署模式：提供云端API和私有化部署，支持标准x86 CPU和ARM64/Apple Silicon。
• 完整技术Benchmark：数据完全公开，支持第三方独立验证。

特色优势

• 成本优势显著：标准x86 8vCPU节点可支持约12个并发语音流；ARM64/Apple Silicon上可支持约20个并发流。
• 架构透明可审计：全部自研组件支持本地化部署，满足金融、医疗等高合规要求。
• 噪声场景效果好：真实高噪声环境下，语音识别错误率降低77%以上。
• 合作伙伴背书：入选BSC AI Factory和NVIDIA Inception计划。
• 企业级就绪：已在4YFN完成现场演示并进入企业试点阶段。

应用场景

• 企业语音客服/语音助手：无需GPU集群，在标准CPU服务器上部署实时语音交互能力。
• 3D数字人/虚拟形象驱动：为虚拟主播、AI数字员工提供实时语音驱动能力。
• 车载语音交互：CPU部署模式天然适配车载嵌入式环境，支持离线/弱网场景。
• 智能硬件语音交互：面向智能音箱、IoT设备等低功耗场景。
• 无障碍语音接口：为视障人士提供语音驱动界面。

适用人群

• 需要在预算有限或GPU资源受约束的环境中部署实时语音AI的企业开发者。
• 对数据隐私有严格要求，希望语音交互数据不出内网的金融、医疗、政府机构。
• 正在构建3D数字人、虚拟主播产品，需要实时低延迟语音驱动的产品团队。
• 车载系统、智能硬件、IoT设备等嵌入式场景开发者。

出品方

Lokutor（西班牙巴塞罗那），Pre-Seed阶段深度科技初创公司，已获得BSC AI Factory加速计划和NVIDIA Inception计划支持。

更新动态

• 2026年9月：发布最新技术Benchmark数据，展示与OpenAI Realtime、ElevenLabs等行业方案的性能对比。
• 2026年9月：参加4YFN（MWC Barcelona），现场演示获得企业试点讨论机会。
• 2026年8月：Lokutor Orchestrator for Go已开源。

官网链接

产品官网：https://lokutor.com/ 技术Benchmark：https://www.lokutor.com/benchmarks 博客：https://www.lokutor.com/blog