LiveKit 实测 Gemini 4 Hydrogen 与 3.8 Flash 在工具故障语音智能体中的表现
LiveKit 提前试用 Gemini 4 Hydrogen,并在旅行客服语音智能体中故意让 book_hotel 工具持续失败,比较其与 Gemini 3.8 Flash 的工具诚实性和响应延迟。
推荐理由:通过故意让酒店预订工具失败,比较两款模型在语音智能体中的工具诚实性与首句延迟,测试方法和配置口径可直接复用。
Voice Agent 观察 · 每日行业精选
关注实时语音、ASR/TTS、开发框架与商业落地。每日采集与中文分析共用滚动 24 小时 100 次模型调用预算;来源失败、额度等待或调度延迟会使更新顺延,有有效内容才出刊。重要信息请核对原文。
LiveKit 提前试用 Gemini 4 Hydrogen,并在旅行客服语音智能体中故意让 book_hotel 工具持续失败,比较其与 Gemini 3.8 Flash 的工具诚实性和响应延迟。
推荐理由:通过故意让酒店预订工具失败,比较两款模型在语音智能体中的工具诚实性与首句延迟,测试方法和配置口径可直接复用。
Deepgram 宣布 Nova-3 新增专用巴斯克语 eu 和加利西亚语 gl 模型,并与加泰罗尼亚语 ca 一起支持 api.deepgram.com、欧盟端点 api.eu.deepgram.com 及自托管部署,巴伦西亚语通过加泰罗尼亚语模型处理。
推荐理由:文章把西班牙联络中心语言合规期限与 Nova-3 新增巴斯克语、加利西亚语转写能力对应起来,便于评估改造路径。
Cartesia 发布 Managed Agents,这是面向企业对话的端到端语音智能体平台,集成电话、知识库、工具集成和外呼活动等生产能力。平台将语音模型与 harness 协同设计,统一调优倾听、轮次交替、推理、工具调用和语音;官方称其已在金融、零售、酒店和医疗场景支撑数千万次对话。
推荐理由:官方完整说明端到端语音智能体平台的架构、企业功能与两项基准结果,可用于对比级联式方案和评估生产落地条件。
Pipecat 发布 v1.13.0,新增 RTVI send-file 文件与图片消息、文件解析和上传接口,并引入 alpha 阶段的 LLMWithBackend,用于前端对话 LLM 与后端深度思考和工具编排协作。
推荐理由:版本说明集中列出文件上传、后端智能体、实时语音服务与多项语音模型适配,可帮助升级者核对工程接口和兼容性影响。
ElevenLabs 发布 TTS 模型 Eleven v4 及其低延迟版本 Eleven v4 Turbo,主打语气、节奏、情绪、角色和上下文理解。
推荐理由:官方完整说明 Eleven v4 与 Turbo 的情感表达、延迟、多语言和声音克隆变化,可作为评估语音智能体合成能力的直接参考。