10:16Fish Audio@FishAudioLiveKit Agents今日发布Expressive mode,解决语音代理语气单一的问题。该模式由LLM自动在文本中写入情绪标签,如[whispering]、[laugh]、[excited],再由Fish Audio S2.1 Pro渲染成相应语音。用户只需在LiveKit Agents中切换一个开关即可启用,无需手动编写情绪提示词。此功能让语音代理能根据对话内容动态调整语气,比如在播报坏消息时不再使用欢快腔调。AI产品LiveKitFish AudioS2.1 Pro推荐理由:LiveKit给语音代理加了个情绪开关,让AI说话不再一个调,配合Fish Audio S2.1 Pro自动生成表情,想试的可以直接开。原文稍后读已读值得跟进有用关注 LiveKit
02:37HeyGen@HeyGen_OfficialLiveAvatar 宣布原生集成 Cartesia,已有语音代理无需重建即可获得实时人脸表现。官方提供三种方式将 Cartesia 的声音和代理接入 AI 头像。该功能让原本局限于文本框的对话代理,能够以虚拟面部进行实时交互。AI产品CartesiaLiveAvatar语音代理推荐理由:如果你在用 Cartesia 搭语音代理,现在可以直接在 LiveAvatar 上给它加一张实时人脸,不用改代码。原文稍后读已读值得跟进有用关注 Cartesia
12:48AI Will@FinanceYF582°a16z的Simon Mo和Matt Bornstein指出,开源权重模型在生态中不可或缺。他们认为闭源API过于昂贵,且开发者需要掌控基础设施和模型本身。对于语音代理公司,自控模型能确保按需响应,而依赖闭源API可能随时宕机。控制权在近几年变得重要,成本则是近几个月才突出。行业a16z开源权重模型闭源API推荐理由:a16z两位投资人聊开源权重:闭源API又贵又不可控,语音代理公司尤其需要自控模型。原文稍后读已读值得跟进有用关注 a16z
00:11官方账号ElevenLabs@elevenlabsioElevenLabs 为其对话 AI 代理 ElevenAgents 扩展了部署渠道,新增对 SMS、Telegram、Intercom 和 Freshdesk 的支持。加上原有的电话、网页、Zendesk、Slack 和 WhatsApp,现在代理可在 9 个渠道统一响应。所有渠道管理整合进新版 channels dashboard,方便用户集中配置。AI产品ElevenAgentsElevenLabs多渠道1 个信源在谈事件专题推荐理由:ElevenLabs 让 ElevenAgents 能接短信、Telegram 甚至工单系统了,多平台部署更方便。原文稍后读已读值得跟进有用关注 ElevenAgents
22:57Philipp Schmid@_philschmidGoogle DeepMind的Gemini Live实时语音代理现在可在LangChain中追踪speech-to-speech循环。Speaker回调钩子只捕捉中断事件前用户听到的精确音频。时间线高亮用户语音(蓝色)和Gemini响应(橙色),以及耗时1.29秒的城市天气查询等自定义工具执行。使用元数据区分常规文本token与原生Gemini音频token,便于精确计算用量。注册LangSmithGoogleADKLivePlugin即可启用。技巧Gemini LiveLangChainLangSmith推荐理由:谷歌这个新集成让你用LangChain看清Gemini Live语音交互的每一步,连1.29秒的天气查询都能追踪,调试超方便。原文稍后读已读值得跟进有用关注 Gemini Live
21:36官方账号OpenAI@OpenAI精选76°OpenAI发布了企业产品Presence,旨在帮助公司部署可信的语音和聊天代理,用于客户服务与内部工作流程。这些AI代理能回答问题、调用公司系统、执行经授权的操作,并在必要时升级至人工处理。代理会随时间持续改进。目前,Presence通过有限通用可用性计划面向合格企业客户开放。AI产品OpenAIPresence智能体10 个信源在谈事件专题推荐理由:OpenAI出了新产品Presence,帮企业搭语音和聊天代理,能用公司系统、干活、还能找人帮忙,感觉比以前的智能客服靠谱多了。原文稍后读已读值得跟进有用关注 OpenAI
02:25官方账号LangChain@LangChainAI71°LangChain 发布 LangSmith 追踪功能,支持 Pipecat、LiveKit、OpenAI Realtime 和 Gemini Live 四个语音框架。开发者只需几行代码即可捕获完整的音频轨迹、STT/TTS 延迟、中断事件和 VAD 状态。该功能解决了语音代理在生产中的黑盒问题,提供详细的性能洞察。AI产品LangSmith语音代理Pipecat10 个信源在谈事件专题推荐理由:做语音代理的兄弟,LangSmith 现在能追踪 Pipecat、LiveKit 这些框架的音频和延迟了,几行代码就能搞定,调试省大事。原文稍后读已读值得跟进有用关注 LangSmith
00:27官方一手OpenAI Blog(博客/媒体)Cars24使用OpenAI驱动的语音和聊天代理,每月处理超过100万分钟的对话。该系统成功帮助团队回收了12%的流失线索。该公司正将基于智能体的工作流推广到全公司各部门。行业Cars24OpenAI语音代理10 个信源在谈事件专题推荐理由:Cars24用OpenAI做了语音和聊天代理,每月处理百万分钟对话,还能捞回12%丢掉的客户线索,挺实在的。原文稍后读已读值得跟进有用关注 Cars24
15:48官方一手marktechpost@Sana Hassan精选该教程使用Patter SDK构建一个餐厅预订语音代理,定义动态调用变量并注册可用性、预订、营业时间和人工转接等工具。每轮回复都叠加输出护栏,并模拟语音识别与合成行为。通过脚本化通话流程追踪建模延迟与成本仪表盘,使用确定性评估工具验证代理性能。最后将相同逻辑部署到基于Twilio和OpenAI Realtime的实际环境。技巧Patter SDK语音代理护栏2 个信源在谈事件专题推荐理由:Patter SDK教你一步步搭建带护栏、仪表盘和评估检查的语音代理,上手快、实战强。原文稍后读已读值得跟进有用关注 Patter SDK
12:37官方一手marktechpost@Michal SutterOpenAI 在 API 中新增了 GPT-Realtime-2.1 和 GPT-Realtime-2.1-mini 两个实时模型。GPT-Realtime-2.1-mini 是专为语音设计的迷你推理模型,定价与此前的 gpt-realtime-mini 相同。通过改进缓存,p95 延迟降低了至少 25%。开发者可通过 WebRTC 协议连接使用。AI模型OpenAIGPT-Realtime-2.1GPT-Realtime-2.1-mini10 个信源在谈事件专题推荐理由:OpenAI 新出的实时语音模型,延迟砍了至少25%,mini版推理更强还保持原价,做语音agent正合适。原文稍后读已读值得跟进有用关注 OpenAI
23:34Harrison Chase@hwchase17LangChain 发布 OpenWiki,可自动生成 GitHub 仓库的 wiki 文档。同时推出两套语音代理教程,覆盖不同实现路径。新增 Harbor 集成与教程,支持长运行、有状态评估。DeepAgents 引入编程子代理(类似 RLM),增强代理控制能力。AI产品LangChainOpenWikiHarbor推荐理由:LangChain 一口气推出了 OpenWiki、语音代理教程、Harbor 集成和 DeepAgents 子代理,想搭 AI 应用的可以看看这几个新东西。原文稍后读已读值得跟进有用关注 LangChain
02:44官方账号xAI@xaixAI 发布了 Voice Agent Builder,一个无代码平台,可基于 Grok Voice 创建拟人化语音代理。定价为每分钟 0.05 美元,现已可用。平台面向开发者与企业,无需编程即可部署语音交互方案。AI产品Voice Agent BuilderGrok VoicexAI推荐理由:xAI 出了个无代码语音代理搭建工具,用 Grok Voice,一分钟才5分钱,想搞客服或语音交互可以试试。原文稍后读已读值得跟进有用关注 Voice Agent Builder
02:09Harrison Chase@hwchase17精选本教程展示如何结合Gemini Live和deepagents子代理构建语音研究代理。Gemini Live提供低延迟、自然流畅的语音对话能力,而deepagents负责执行长时间运行的复杂任务。通过LangSmith实现全链路追踪与可观测性。该方法解决了语音代理中对话质量与可靠性的权衡问题。技巧Gemini LivedeepagentsLangChain推荐理由:LangChain发了个教程,教你用Gemini Live做语音代理,把复杂任务丢给deepagents子代理,既能低延迟对话又能跑长时间任务,挺实用的。原文稍后读已读值得跟进有用关注 Gemini Live
13:01官方账号LangChain@LangChainAI精选SierraPlatform的ZackRW在Max Agency播客中分享了一个关键洞察:在真实对话中,决定何时说话所需的脑力与决定说什么相当。传统语音代理并未以此方式构建。Sierra的突破是并行处理思考、倾听和说话,模拟人类对话的自然方式。这一理念来自Sierra的语音代理产品设计。行业LangChainSierraPlatform语音代理推荐理由:Sierra的语音代理模仿人类并行处理对话,不是简单轮流说话,值得做语音产品的朋友看看。原文稍后读已读值得跟进有用关注 LangChain
04:55Y Combinator@ycombinatorCoval 为企业提供模拟和可观测性平台,用于测试、监控和评估 AI 语音代理,每月处理数千万通电话。客户包括 Perplexity 和 Deepgram。公司刚完成 2820 万美元 A 轮融资。CEO Brooke Hopkins 此前在 Waymo 领导评估基础设施,发现经验可迁移至语音代理。她将广泛评估想法聚焦为企业平台,曾有客户在未写代码前就愿付费。行业CovalPerplexityDeepgram1 个信源在谈事件专题推荐理由:Coval 刚拿了 2820 万美元,帮企业测语音代理,客户有 Perplexity 和 Deepgram,创始人从 Waymo 的经验移植过来,值得一看。原文稍后读已读值得跟进有用关注 Coval
01:09官方一手AWS Machine Learning Blog@Bojan JakimovskiLoka 利用 Amazon Nova 2 Sonic 模型打造了自然且低延迟的语音代理,解决了传统机器人式助手导致客户挂断的问题。该架构将响应延迟优化至接近人类对话水平,显著降低用户等待时长。Loka 的方案减少了客服流失率并提升了品牌口碑。技巧LokaAmazon Nova 2 Sonic语音代理推荐理由:Loka 用 Amazon Nova 2 Sonic 做出了几乎没延迟的语音代理,客户不挂电话,客服成本也降了。原文稍后读已读值得跟进有用关注 Loka
18:38官方账号Together AI@togethercomputeDecagonAI 通过与 Together AI 合作,将语音代理每轮对话成本降低近6倍,同时保持实时语音所需的低延迟。他们从闭源模型迁移到微调的开源模型,实现 p95 模型延迟低于400ms。采用自定义投机解码和提示缓存技术,并在 NVIDIA Blackwell 上优化服务部署。模型更新频率达到每周甚至每日,体现了从封闭 API 到开放模型的转变。行业DecagonAITogether AINVIDIA Blackwell6 个信源在谈事件专题推荐理由:DecagonAI 把语音成本砍到原来的1/6,延迟还压到400ms以下,实时语音项目可以参考他们迁移开源模型的做法。原文稍后读已读值得跟进有用关注 DecagonAI
03:23官方账号xAI@xai76°xAI 发布了 Grok Voice,声称在语音交互中实现了人性化的时机、语气和温暖感,性能达到业界顶尖水平,但价格远低于竞争对手。同时,ServiceNow AI Research 的 EVA-Bench 评估显示,Grok Voice Think Fast 1.0 在准确率和用户体验的帕累托前沿上表现最优,没有其他系统能在不牺牲体验的情况下超越其准确性,反之亦然。这意味着 Grok Voice 在语音代理领域树立了新的性价比标杆,尤其适合需要高质量语音交互但预算有限的开发者和企业。AI产品语音代理Grok VoicexAI1 个信源在谈事件专题推荐理由:Grok Voice 以极低价格提供了顶尖的语音交互体验,做语音代理或客服系统的团队可以直接用,性价比远超竞品,值得立即尝试。原文稍后读已读值得跟进有用关注 语音代理
04:32官方一手Hugging Face: Blog(博客/媒体)ServiceNow AI 发布了一项针对前沿自动语音识别(ASR)模型在代码切换语音上的基准测试。代码切换指说话者在同一句话中混合使用两种语言,这在多语言用户中很常见。测试发现,当前最先进的ASR模型在处理这种混合语言时表现不佳,错误率显著高于单语言场景。该研究强调了构建能理解双语用户的语音代理的挑战,并提供了公开基准供开发者评估和改进模型。这对于开发面向多语言市场的语音助手和客服系统至关重要。论文语音代理ASR代码切换1 个信源在谈事件专题推荐理由:做语音助手或客服系统的团队会发现,当前ASR模型在双语用户面前漏洞百出——代码切换场景的错误率远高于单语言,这个基准测试直接暴露了痛点,建议点开看看你的模型能否过关。原文稍后读已读值得跟进有用关注 语音代理
22:23官方账号ElevenLabs@elevenlabsio波兰旗舰航空公司 LOT 与 ElevenLabs 达成合作,将 AI 语音代理引入其客户服务流程。该技术旨在提升客服效率,减少用户等待时间,并支持多语言交互。LOT 拥有百年历史,此次合作标志着传统航空业在客户体验上的 AI 转型。ElevenLabs 的语音代理以其自然度和低延迟著称,有望为旅客提供更流畅的咨询与预订服务。AI产品语音代理客服自动化ElevenLabs推荐理由:传统航空客服的痛点——等待长、语言障碍——终于有了 AI 解法,做客服系统或航空业数字化的团队值得关注,可以直接参考这个落地案例。原文稍后读已读值得跟进有用关注 语音代理
10:41官方账号ElevenLabs@elevenlabsioElevenLabs 在华沙峰会上预览了其最新、最具表现力的 AI 语音模型,并现场演示了语音代理在客户体验中的应用。该模型旨在实现自然、类人交流,被视为解锁 AI 商业价值的关键。演示展示了语音代理如何更流畅地处理客户对话,提升交互真实感。这标志着 AI 语音技术向更自然、更实用方向迈出重要一步。AI产品ElevenLabs语音模型语音代理推荐理由:做客服系统或语音交互产品的团队,可以直接关注 ElevenLabs 这次演示——更自然的语音代理意味着更低的用户抵触和更高的转化率,值得点开看 demo 效果。原文稍后读已读值得跟进有用关注 ElevenLabs
09:33Notion@NotionHQSnoopy AI 在 Notion 举办的比赛中获得第二名,它是一个面向小企业的语音代理平台。该平台以 Notion 数据库作为后端,结合自定义代理和工人来保持上下文连贯并链式调用工具。其演示案例是干洗店处理订单变更,并将特殊请求回拨给店主。这展示了 Notion 作为轻量级后端在 AI 语音代理中的实际应用潜力。AI产品语音代理Notion小企业2 个信源在谈事件专题推荐理由:小企业主和 Notion 重度用户值得关注——Snoopy AI 把 Notion 变成了可落地的语音客服后端,干洗店这类场景可以直接抄作业。原文稍后读已读值得跟进有用关注 语音代理
09:32Notion@NotionHQ在Notion举办的AI竞赛中,@temnco 的 Cerebro 获得第三名。Cerebro 是一个AI大脑,能整合Slack、邮件和每日简报信息,通过一组Notion Workers将碎片化信息转化为长期记忆,帮助用户更高效地工作。项目还展示了语音代理demo,体现了AI在信息管理和记忆增强方面的应用潜力。AI产品AI大脑信息管理长期记忆3 个信源在谈事件专题推荐理由:对于每天被Slack、邮件轰炸的团队和个人,Cerebro 提供了一种将信息转化为长期记忆的自动化方案,值得关注Notion生态的开发者尝试。原文稍后读已读值得跟进有用关注 AI大脑
12:33官方账号Together AI@togethercomputeTogether AI 宣布在其平台上新增 600 多种声音,并集成了 MiniMax Speech 2.8 Turbo 企业级 TTS 模型。该模型专为实时、富有表现力的语音代理设计,支持 AI 原生开发者在其专用基础设施上部署。用户可以直接在语音查找器中试听这些声音。这一更新显著扩展了 Together AI 的语音能力,为构建语音交互应用提供了更多选择。AI产品TTS语音代理MiniMax推荐理由:做语音代理或实时对话应用的开发者,现在有 600+ 声音可选,且能直接在企业级基础设施上部署 MiniMax 模型,值得试试语音查找器里的新声音。原文稍后读已读值得跟进有用关注 TTS
07:06官方账号Together AI@togethercomputeTogether AI 宣布在其平台上推出 Rime Mist v3,这是一系列面向生产环境的文本转语音(TTS)模型。该模型专注于确定性发音和可控语音输出,解决了语音合成中常见的不一致问题。AI 原生开发者现在可以在 Together AI 的专用基础设施上部署 Mist v3,用于需要大规模一致语音输出的企业级语音代理。这为构建可靠、可定制的语音交互系统提供了新的选择。AI产品文本转语音TTS语音代理推荐理由:做语音代理和 TTS 应用的团队终于有了一个能保证发音一致性的生产级模型,直接在 Together AI 上就能部署,省去自己调教的麻烦,值得试试。原文稍后读已读值得跟进有用关注 文本转语音