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。
语音技术与应用
语音对话中的业务工具、知识检索和任务执行。
4 条精选近 30 天 4 条共收录 4 条
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。
ElevenLabs 在纽约 Summit 发布面向企业交互层的新模型、智能体能力和部署选项,包括 Scribe v3 Medical、Interaction Engine、ElevenAgents 的 Memory 与 Routines,以及 ElevenAI 早期访问。
推荐理由:官方集中披露模型、智能体平台、企业应用与生态计划,可作为梳理 ElevenLabs 企业语音智能体布局的一手材料。
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。