#语音AI

LiveKit Agents：构建实时语音AI智能体的开源框架详解

深入解析LiveKit Agents开源框架，了解如何利用STT、LLM、TTS模块构建实时语音AI智能体。涵盖核心架构、多模型插件生态、生产部署能力及智能客服、虚拟助理等应用场景。

ARYA：从零打造能操控真实应用的语音AI助手

开发者打造的语音AI助手ARYA，能操控WhatsApp、Spotify等真实应用，具备向量记忆功能。深入解析其技术实现路径、AI Agent趋势及个人开发者构建智能体的机遇与挑战。

Leaping AI：语音AI代理自动执行数周电话营销跟进

Leaping AI 为家装、屋顶维修等蓝领服务业打造语音AI代理，支持100+路并行通话、多日营销活动自动跟进、多语言切换及CRM深度集成，解决漏接电话、线索响应慢、跟进不足三大痛点。

Cekura：语音AI代理自动测试、监控与自我修复闭环平台解析

深度解析Cekura平台如何通过场景模拟、失败捕获、根因诊断、自动改写prompt和回归验证五步闭环，解决语音AI代理在生产环境中的质量保障难题，实现代理的自我进化与持续优化。

Phantom：藏在Mac刘海里的语音AI智能体，重新定义桌面AI交互

Phantom是一款macOS原生语音优先AI智能体，常驻MacBook刘海区域，支持上下文感知与语音指令，无需切换窗口即可在任意应用中完成任务，重新定义桌面AI交互范式。

微软VibeVoice开源：5万Star背后的前沿语音AI技术解析

微软开源语音AI项目VibeVoice短期内获超5万GitHub Star，聚焦情感表达与自然韵律的前沿语音合成技术。本文深度解析其技术定位、开源战略意义及应用前景。

GitHub日报·07月29日：语音AI与端侧训练齐飞，开源替代品崛起

GPT-Live全双工语音AI：ChatGPT Voice如何实现真人对话体验

OpenAI发布搭载GPT-Live 1模型的全新ChatGPT Voice，首次实现全双工语音对话——支持随时打断、实时推理联网、跨语言即时翻译，让人机语音交互真正接近人类自然沟通方式。

OpenAI GPT Live全双工语音AI：告别回合制，迈向真实对话

OpenAI正式推出GPT Live全双工语音AI，支持同时听说、实时打断、双模型委派及语义级实时翻译。本文深度解析GPT Live的核心技术突破、实测能力与人机交互范式变革。

GPT Live全双工语音AI：边说边听，会推理会翻译

OpenAI发布GPT Live One语音模型，实现全双工对话——AI可在你说话时同步聆听并回应。支持实时推理、联网搜索、多任务并行与双向翻译，语音交互迈入情境智能新阶段。

GPT-Live-1深度解析：OpenAI如何让语音AI学会倾听而非抢话

OpenAI推出最新语音模型GPT-Live-1，核心突破在于减少打断、识别停顿、尊重对话节奏。本文深度解析GPT-Live-1的技术改进方向，以及语音AI从"能说会道"迈向"懂得倾听"的体验进化之路。

GPT Live深度解析：全双工语音AI如何真正做到像真人对话

GPT Live采用全双工架构，接入GPT 5.5推理能力，实现边听边说、主动开口、上下文记忆与实时翻译。语音AI从机械应答迈向拟人化交互，HER的科幻场景正在照进现实。

OpenAI GPT Live：全双工语音AI，边听边说边执行任务

OpenAI推出GPT Live语音AI模型家族，支持全双工实时对话、深度任务委派、多模态交互与即时翻译。知识推理能力接近GPT-5级别，彻底重构人机语音交互范式。

OpenAI四线出击：GPT-5.6、Codex、语音AI与办公Agent全面解析

OpenAI连续发布GPT-5.6大模型、ChatGPT Work办公Agent、Codex超级应用与语音产品GPT Live，全面布局AI应用层。本文深度解析四款产品的核心亮点、竞争逻辑与行业影响，助你快速掌握这轮AI格局变化。

GPT-Live实时语音AI：全双工对话如何重新定义人机交互

GPT-Live凭借全双工音频架构，实现边听边思考、无缝实时翻译与前台陪聊后台执行任务的并行能力，彻底打破语音AI的"回合感"，向真正的对话伙伴迈出关键一步。

OpenAI GPT-Live发布：全双工语音AI实现真实对话体验

OpenAI正式推出GPT-Live全双工语音模型，支持连续交互与智能任务委派，可实现语言纠错、实时翻译、多线并行搜索。本文详解其核心技术突破与实际应用场景。

OpenAI语音黑客马拉松：6小时极限开发4个实时语音AI项目

OpenAI举办Voice Hack Night黑客马拉松，参赛团队6小时内构建实时语音代理项目，4个项目进入决赛。深度解析实时语音AI的技术挑战、落地场景与开发者生态趋势。

Inworld Realtime TTS-2：全栈实时语音AI基础设施深度解析

深度解析Inworld发布的Realtime TTS-2全栈语音AI平台，涵盖排名第一的TTS引擎、语音到语音处理、LLM路由等核心能力，以及其在语音代理、AI伴侣等场景的应用价值。

Dogra：开源自托管语音AI平台，告别VAPI天价账单

Dogra是一款开源自托管语音AI平台，提供可视化工作流构建器、多服务商自由切换和完整调用追踪能力。对比VAPI、Bland等托管平台，Dogra帮助开发者大幅降低语音Agent成本，摆脱供应商锁定，实现完全可控的语音AI部署。

Step Audio 2.5深度评测：对比GPT Realtime 2，国产语音AI差距多大？

实测阶跃星辰Step Audio 2.5与OpenAI GPT Realtime 2的语音对话能力，从推理能力、角色扮演、中文理解、API定价等维度全面对比，帮助开发者选择合适的实时语音AI方案。