语音智能体相关 AI 资讯

AITOP

8月22日

01:33

Philipp Schmid@_philschmid

78°

Gemini 3.1 Flash Live在人工智能语音分析领域表现优异，成为最受欢迎的语音智能体之一。

推荐理由：Gemini 3.1 Flash Live在语音智能体领域表现卓越，值得一试。

原文

8月18日

06:15

官方账号LangChain@LangChainAI

LangChain 将举办一场网络研讨会，主题聚焦语音智能体的评估。会上演示如何从执行、结果、体验三个维度进行评测。同时讲解如何为生产环境中的语音智能体构建更完整的评估体系。参会报名通过 events.langchain.com 页面完成。

技巧 LangChain 语音智能体评估方法

推荐理由：LangChain 有个线上研讨会，教你怎么从执行、结果和体验三个角度评估语音智能体，做语音产品的朋友值得看看。

原文

8月11日

22:10

官方账号LangChain@LangChainAI

LangChain 宣布举办一场关于语音智能体评估的网络研讨会。研讨会将涵盖执行、结果和体验三个维度，包括工具使用、任务完成、延迟、中断和对话摩擦等评估指标。活动详情可在 events.langchain.com 查看。

技巧 LangChain 语音智能体评估

推荐理由：做语音智能体的朋友可以看看，LangChain 这场会讲怎么从执行、结果到体验全面评估，比单看任务完成率更实用。

原文

8月5日

02:08

官方账号LangChain@LangChainAI

精选

LangChain 联合 carodivittorio 发布了一套语音智能体评估框架，分为执行、结果、体验三个维度。执行维度核查智能体是否遵循指令，结果维度判断交互是否达成目标，体验维度评估通话是否顺畅。框架来自 langchain.com 博客文章，适合开发者在真实场景中套用。

技巧 LangChain 语音智能体智能体评估

推荐理由：想测语音智能体好不好用，可以按执行、结果、体验这三步来查，比凭感觉靠谱。

原文

8月3日

23:47

官方账号LangChain@LangChainAI

LangChain 的 Carol Di Vittorio 在 Google 开发者频道演示了用 Google ADK 和 Gemini Live 构建语音智能体。她展示了在 LangSmith 中追踪语音代理的每一步行为，包括工具调用、中断事件和 token 成本。视频还演示了如何设置 tracing，让开发者清楚看到智能体每次交互的内部流程。

技巧 Google ADK Gemini Live LangSmith

推荐理由：想看语音智能体怎么调试？这个演示用 Google ADK + Gemini Live，再用 LangSmith 看清楚工具调用和 token 花费，直观。

原文

7月22日

01:42

官方账号LangChain@LangChainAI

LangChain 为 LangSmith 新增对 pipecat_ai、livekit、OpenAI Realtime 和 GeminiApp Live（Google ADK）四个语音框架的追踪支持。该功能可捕捉语音智能体在生产中的延迟、音频流和函数调用等指标。开发者通过 LangSmith 面板即可调试语音响应中的延迟问题。LangSmith 已支持超过 10 种框架的追踪，此次扩展针对语音场景。

AI产品 LangChain LangSmith 语音智能体

事件专题

推荐理由：做语音智能体怕出问题？LangSmith 直接帮你追踪 pipecat、livekit、OpenAI Realtime 和 Gemini 这四个框架的生产数据，调试延迟和错误就靠它了。

原文

7月1日

01:36

官方账号LangChain@LangChainAI

LangChain介绍语音智能体构建的两种方案：Gemini Live实现低延迟的自然对话，Sandwich架构提供更可靠的流程控制。他们结合Gemini Live、Deep Agents和LangSmith构建了一个语音研究智能体，具备完整追踪与可观测性。该方案同时优化了对话质量和长期研究任务的可靠性。

技巧 LangChain Gemini Live Deep Agents

推荐理由：LangChain教你如何混用Gemini Live和Sandwich架构，既做出流畅对话又保证任务可靠，实用技巧。

原文

6月29日

13:51

官方账号Together AI@togethercompute

精选

Together AI 在 X 上演示语音智能体利用屏幕交互的功能。该方案整合了语音转文本（STT）、语音合成和推理，具体使用 Parakeet 进行 STT，MiniMax Speech 2.8 处理语音，MiniMax M3 进行推理。实时系统要求堆叠每一层保持低延迟。演示展示了完整循环在 Together AI 平台上运行。

AI产品 Together AI Parakeet MiniMax Speech 2.8

事件专题

推荐理由：Together AI 搞了个语音智能体 demo，能边看屏幕边说话，用了 Parakeet、MiniMax Speech 2.8 和 M3，实时性很强。

原文

6月13日

13:13

官方账号Together AI@togethercompute

精选

Together AI的Rish Bhargava在推文中指出，部署语音智能体时延迟超过500ms用户会注意到，超过1秒用户会挂断。他详细分析了整个管道，包括75ms网络延迟为何增加30%开销，以及通过共置所有组件可将延迟降至5ms。推文附有链接，可能提供更深入的技术细节。

技巧语音智能体延迟优化 Together AI

推荐理由：语音智能体延迟优化实战

原文

6月9日

20:14

官方账号ElevenLabs@elevenlabsio

欧洲最大火车订票平台 Trainline 与 ElevenLabs 合作，利用语音智能体自动化处理因列车取消或延误导致的退款流程。该智能体直接集成 Trainline 的电话系统和票务系统，能够规模化应用于更广泛的客户服务场景。此举有望大幅提升退款处理效率，减少人工客服压力，为 2700 万用户提供更快捷的体验。

AI产品语音智能体客服自动化 Trainline

推荐理由：客服自动化在交通行业落地了——Trainline 用语音智能体处理退款，做客户服务或票务系统的团队值得关注这个实际用例。

原文

5月27日

11:13

Paul Couvert@itsPaulAi

LiveAvatar 宣布与 LiveKit、Pipecat、Agora 和 VisionAgent 集成，使得开发者只需几行代码就能为已有的语音智能体添加实时面部动画。这意味着语音助手不再只是“只闻其声”，还能拥有逼真的虚拟形象，实现更自然的交互体验。该功能将开启许多新用例，例如虚拟客服、教育辅导、社交陪伴等。对于已经构建了语音智能体的团队，现在可以快速为其增加视觉存在感，而无需更换底层技术栈。

AI产品语音智能体 LiveAvatar 实时面部动画

推荐理由：语音智能体终于有了“脸”，做客服、教育、社交等场景的开发者可以直接用几行代码升级交互体验，值得一试。

原文

5月24日

10:36

官方账号Demis Hassabis@demishassabis

Garry Tan 宣布开源项目 GBrain 发布 v0.40.0 版本，基于 Gemini Live 构建语音智能体。该智能体支持大上下文、优秀工具使用和完整大脑访问，可赋予 OpenClaw/Hermes Agent 语音交互能力。Garry Tan 将其描述为“火星是朋友，金星是你的 EA”，并作为开源礼物分享。此项目展示了 Gemini Live 在语音智能体领域的实际应用潜力。

AI产品语音智能体 Gemini Live 开源/仓库

事件专题

推荐理由：语音智能体开发者可以直接用 GBrain 快速搭建基于 Gemini Live 的语音交互系统，开源且功能完整，值得一试。

原文

5月22日

13:52

Ate-a-Pi@svpino

开发者Santiago Valdarrama发布了一个从零开始构建语音智能体的分步视频教程。他使用Claude Code编写代码，并利用AssemblyAI新推出的Voice Agent API，该API整合了语音识别、自然语言处理和语音合成等12个组件，简化了开发流程。教程展示了如何快速搭建一个功能完整的语音智能体，无需手动编写大量代码或拼接多个服务。

AI产品语音智能体 Claude Code AssemblyAI

推荐理由：想快速上手语音智能体开发的开发者，这个教程直接给你一条捷径——用Claude Code和AssemblyAI的API，省去拼接12个组件的麻烦，建议跟着视频实操一遍。

原文

5月21日

08:01

官方账号ElevenLabs@elevenlabsio

ElevenLabs 发布了 Speech Engine，允许开发者通过一条提示词将现有的聊天智能体转换为完整的语音智能体。该引擎整合了 ElevenLabs 领先的语音合成、转录和语音编排模型，形成一个统一管道，各组件专为协同工作而优化。这意味着开发者无需从头构建语音系统，即可快速为聊天机器人添加语音交互能力。该产品旨在降低语音 AI 开发门槛，加速语音助手、客服等应用落地。

AI产品语音智能体 ElevenLabs 开发者工具

推荐理由：做语音助手或客服机器人的开发者，现在可以用一条提示词把聊天智能体变成语音智能体，省去集成多个模型的麻烦，值得直接上手试。

原文

07:59

官方账号ElevenLabs@elevenlabsio

ElevenLabs 宣布将阿尔伯特·爱因斯坦的语音引入平台，并推出一个基于其书面档案的智能体，能够以爱因斯坦标志性的声音进行互动。这一功能将语音智能体应用于教育领域，让用户能够与历史人物进行对话式学习，为知识传递带来全新维度。该智能体目前已在 ElevenLabs 上线，支持语音交互。

AI产品语音智能体 ElevenLabs 教育

推荐理由：做教育科技或语音交互的团队值得关注——ElevenLabs 把历史人物语音化，让学习从单向阅读变成双向对话，直接可用的场景比想象中多。

原文

5月14日

13:26

官方账号arXiv cs.LG@Tara Bogavelli, Gabrielle Gauthier Melançon, Katrina Stankiewicz, Oluwanifemi Bamgbose, Fanny Riols, Hoang H. Nguyen, Raghav Mehndiratta, Lindsay Devon Brin, Joseph Marinier, Hari Subramani, Anil Madamala, Sridhar Krishna Nemala, Srinivas Sunkara

精选

EVA-Bench 是一个全新的端到端评估框架，专门用于测试语音智能体（Voice Agents）在真实对话场景中的表现。它解决了现有基准无法同时模拟动态对话和全面衡量语音特有失败模式的问题。框架包含 213 个企业级场景，并引入两个复合指标：EVA-A（准确性）和 EVA-X（体验），分别评估任务完成度、忠实度、语音保真度以及对话流畅性、简洁性和轮次时机。在 12 个系统上的测试显示，没有系统能同时在两个指标上超过 0.5，且峰值性能与可靠性能差距显著。该框架已开源，为语音智能体的标准化评估提供了新工具。

论文语音智能体评估框架基准测试

推荐理由：做语音智能体或对话系统的团队终于有了一个能同时测准确性和体验感的基准——EVA-Bench 覆盖了企业场景和噪声鲁棒性，直接帮你对比不同架构的优劣，建议点开看看具体指标设计。

原文

01:10