Thud 音频动作模型实测：200ms 响应，比 Gemini Live 快 10 倍

开发者 Caine Ardayfio 与 Anh Phu Nguyen 展示并实测了号称首个「音频动作模型」的 Thud，语音指令无需先转成文字即可直接执行，可用于语音操控智能眼镜。该模型全程本地运行，响应仅 200ms，号称比 Gemini Live 快 10 倍、便宜 20 倍。