跳到正文

语音技术与应用

实时语音对话 最新动态

流式语音到语音、端到端语音、多模态实时交互。

5 条精选近 30 天 4 条共收录 6 条

更新

实时语音对话的精选

11月12日周四第 1–5 条
  1. LiveKit Blog69

    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。

11月10日周二
  1. Deepgram Blog72

    Deepgram Nova-3 新增巴斯克语和加利西亚语模型,支持西班牙 Ley 10/2025 联络中心语言合规

    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。

10月29日周四
  1. Cartesia Blog81

    Cartesia 推出端到端企业语音智能体平台 Managed Agents

    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。

10月19日周一
  1. Pipecat Releases86

    Pipecat v1.13.0 发布:新增文件上传、LLMWithBackend 与多项实时语音能力

    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。

9月28日周一