---
{"schema":1,"date":"2026-09-16","timezone":"Asia/Shanghai","title":"电话语音 Agent 每日观察","revision":1,"publication":"publish","review_status":"generated","summary":["CAPod证明Android可读AirPods入耳状态并自动暂停恢复播放。","Personal Jarvis已把唤醒词、长任务与真实电话外呼放进同一助手。","百炼Realtime移动端链路可补实时语音，但佩戴感知仍需另搭。"],"events":[{"project":"capod-5-2-6-rc0","title":"9月11日发布5.2.6-rc0；项目已支持Android读取AirPods入耳状态并自动暂停/恢复播放","kind":"release","event_date":"2026-09-11","publication_date":"2026-09-11","discovered_date":"2026-09-16","evidence":"verified","source":"https://github.com/d4rken-org/capod/releases/tag/v5.2.6-rc0"},{"project":"personaljarvis","title":"9月12日仍活跃：同一自托管助手包含唤醒词、持久记忆、长任务Agent与可选Twilio真实外呼","kind":"code","event_date":"2026-09-12","publication_date":"2026-09-12","discovered_date":"2026-09-16","evidence":"source-claim","source":"https://github.com/PersonalJarvis/PersonalJarvis"},{"project":"aliyun-realtime-mobile","title":"新增方向基线：百炼Realtime官方文档覆盖Android/iOS/HarmonyOS移动端AOQ并内置回声消除和降噪","kind":"other","event_date":null,"publication_date":null,"discovered_date":"2026-09-16","evidence":"verified","source":"https://help.aliyun.com/zh/model-studio/realtime-api-overview"},{"project":"open-ear-headphones-ambient-interfaces","title":"新增方向基线：9月6日人因研究把开放式耳机作为环境交互界面，强调情境感知和社交可接受性","kind":"paper","event_date":"2026-09-06","publication_date":"2026-09-06","discovered_date":"2026-09-16","evidence":"source-claim","source":"https://journals.sagepub.com/doi/10.1177/10711813261485996"}]}
---
# 电话语音 Agent 日报｜2026-09-16

今天最值得注意的不是又多了一个“会说话”的模型，而是**耳机主入口需要的几块零件已经能找到相当具体的实现**：佩戴状态、播放控制、唤醒与长任务、真实电话兜底都有现成项目可拆，但还没有看到一个项目把它们在手机上完整串成你描述的成品。

**CAPod 是这次最贴近“戴着耳机才主动插入”的零件。** 这个开源 Android AirPods 伴侣能读取入耳状态，并在摘下/戴上时自动暂停或恢复播放；9 月 11 日又发布了 5.2.6-rc0。它本身不是 Agent，也没有语音插播，但证明 Android 侧可以把“蓝牙已连”进一步细分到“耳机实际在耳朵里”，而不是拿连接状态冒充人在听。个人可以直接看源码或安装 APK。 [代码](https://github.com/d4rken-org/capod) · [Release 09-11](https://github.com/d4rken-org/capod/releases/tag/v5.2.6-rc0)

**Personal Jarvis 把另一半链路拼得很完整。** 其仓库 9 月 12 日仍有提交，README 明确包含唤醒词、实时语音、文字聊天共用同一“大脑”、可持续数分钟的独立 Agent、跨会话知识记忆，以及可选 Twilio 真实外呼；项目方还称这些不是路线图。它很适合验证“先语音下任务，后台继续做，必要时电话找人”的控制面，但目前核心形态是 Windows/macOS/Linux 桌面或无头服务器，不是手机耳机 App，也没有入耳检测与跨音乐 App 插播。 [仓库](https://github.com/PersonalJarvis/PersonalJarvis) · [09-12 提交](https://github.com/PersonalJarvis/PersonalJarvis/commit/66aed436380bff359a13151c31d2afadb2eb37cc)

**国内移动端语音层也有一块可直接利用的基线。** 阿里云百炼 Realtime 官方文档给出 Android、iOS、HarmonyOS 的移动端 AOQ 接入，内置回声消除和降噪，实时模型支持 Function Calling；这能补手机端连续对话、工具调用和弱网链路，但官方资料并没有证明它能判断耳机是否佩戴、跨第三方播放器自动压低音乐，或在未确认后自行升级到普通电话。我的判断是，它更像“耳机助手的语音引擎”，不是完整产品。 [Realtime](https://help.aliyun.com/zh/model-studio/realtime-api-overview) · [语音模型](https://help.aliyun.com/zh/model-studio/s2s-model)

补一条交互研究基线：9 月 6 日发表的人因研究把开放式耳机视为“环境界面”，重点讨论持续佩戴下的情境感知和社交可接受性。它不提供 Agent 代码，但提醒主动插播不能只看“耳机戴着”，还要判断用户当前是否适合被打断。 [论文](https://journals.sagepub.com/doi/10.1177/10711813261485996)

**最值得试的组合**：先把 CAPod 一类的佩戴事件和媒体暂停/恢复做成状态入口，再接一个 Personal Jarvis/自有 Agent 式后台；实时语音用移动端 Realtime，电话只作为高优先级未确认后的独立兜底。这个组合目前只是工程推断，还没有整体实测。

来源：官网/仓库已查｜国内已查｜论文已查｜X公开搜索仅摘要/收录有限。