#语音智能体
共 7 篇相关文章
·2 分钟
语音智能体已来，上下文数据才是客户价值关键
语音智能体已具备自然对话能力，但真正决定其客户价值的是上下文数据。本文分析会话内、客户历史与业务上下文三层价值，以及真实通话场景下的落地挑战。
阅读全文 →
·5 分钟
OpenAI模型加持：Retell月通话破亿的AI语音解析
Retell 平台月通话量达 1 亿次，GPT-6 Astra 在其语音智能体基准测试中排名第一，Codex 助力其实现人均 160 万美元年化收入。本文解析语音 Agent 的模型选型、规模化工程挑战与人效背后的技术逻辑。
阅读全文 →
·5 分钟
ElevenLabs Realtime发布：570ms首音频的语音智能体模型
ElevenLabs发布Realtime语音智能体模型系列，v1 Mini和v1 Max首音频延迟分别为620ms和570ms，支持90+语言，兼容OpenAI Realtime API，端到端调优语音识别、轮次管理与语音生成。
阅读全文 →
·5 分钟
Mistral Voxtral 3：每分钟4美分的实时语音，挑战OpenAI
Mistral Voxtral 3 将实时语音智能体成本压至每分钟4美分，打包三款语音识别模型、语音生成模型与实时语音工具包，支持50多种语言与自托管部署。本文解析其定价结构、低于一秒的响应表现，以及与 OpenAI、Gemini 在数据隐私与开箱即用之间的路线分歧。
阅读全文 →
·5 分钟
Gemini实时语音智能体实战：构建能听、能看、能说的多模态Agent
基于Google DeepMind在AI Engineer大会的现场演示，解析Gemini 3.1 Flash Live、Live API与Interactions API如何构建能听、能看、能说的实时多模态语音智能体，涵盖90语言支持、工具调用与即时翻译能力。
阅读全文 →
·6 分钟
Voice Agent三明治架构实战：2000行代码构建实时AI语音智能体
基于Voice Agent的三明治架构实战教学：用不到2000行代码构建实时AI语音智能体，对比STT+LLM+TTS与Speech-to-Speech架构优劣，解析Agent基准测试得分与延迟控制方案，为AI语音智能体开发者提供选型参考。
阅读全文 →
