#语音Agent

共 10 条 · 7 天 2 条 · 30 天 4 条

智能体 3 STT 2 a16z 1 AI PM 1 ChatGPT 1 Gemma 4 1 Grok Bot 1 Krisp 1

信息流里打上「语音Agent」标签的资讯、产品与论文，按刊登时间排，新的在上。

10月6日

技巧 Agent 与开发者23:34

作者计划一周只用 Grok Bot 处理待办事项，测试语音加 Agent 能否替代电脑操作

有人要拿 Grok Bot 做一周实机测试，全程只用语音让 Agent 干活，看它能不能真替掉电脑操作，下周出结果。

#Grok Bot #语音Agent #智能体 #工作流

AI Will@FinanceYF5原文

10月5日

技巧 Agent 与开发者02:33

免费 30 分钟大师课：从零搭建能看、能说、能画的多模态语音 Agent

30 分钟免费课，手把手带你搭一个能边看边聊边画图的语音 Agent，从需求到跑通全流程演示。

#语音Agent #多模态 #提示词工程 #AI PM

Shubham Saboo@Saboo_Shubham_原文

10月2日

产品 Agent 与开发者08:05

语音Agent错误不在STT而在说话人干扰

语音Agent错误主因是说话人干扰而非STT，基准测试显示隔离处理后错误率大幅下降，这对构建可靠语音系统至关重要。

#语音Agent #STT #Krisp #语音隔离

shao__meng@shao__meng原文

9月24日

产品 Agent 与开发者多源确认83°10:10

OpenAI 将 ChatGPT Voice 升级为能执行任务的语音 Agent

OpenAI 把 ChatGPT 语音升级成能干活的 Agent，说话就能订行程、查重复扣费要退款，动嘴不动手。

#OpenAI #ChatGPT #语音Agent #智能体

事件专题

小互@imxiaohu11 个信源在谈原文

8月7日

行业 Agent 与开发者12:47

a16z谈开源权重模型：成本与掌控权是关键

a16z 这次聊开源权重模型，说白了就是别让专有 API 卡脖子，省钱还能自己控模型，做语音 Agent 的尤其该看看。

#a16z #开源权重模型 #语音Agent

AI Will@FinanceYF5原文

7月17日

模型多源确认22:13

Gemma 4覆盖140种语言，支持35种开箱即用，含中文

用LiveKit搭语音Agent？改一行配置就能切到Gemma 4 31B，支持140多种语言，中文也在内。

#Gemma 4 #LiveKit Agents #多语言 #语音Agent

事件专题

小互@imxiaohu4 个信源在谈原文

7月14日

技巧 Agent 与开发者精选00:09

客户支持语音Agent：从Demo到生产的真实工程

想搞生产级语音Agent？这篇拆了Telnyx的实战方案，15行webhook搞定上下文注入，还讲清了低延迟和测试细节。

#Telnyx #STT #LLM #TTS

shao__meng@shao__meng原文

7月2日

产品77°00:33

xAI 推出 Grok Voice Agent Builder，无代码构建语音Agent

xAI 出了个 Grok Voice Agent Builder，填个表单就能 2 分钟搭个能打电话的 AI 助手，比之前接 Twilio 调声音简单太多。

#xAI #Grok #语音Agent #智能体

berryxia@berryxia原文

6月19日

模型 Agent 与开发者14:36

豆包实时语音模型3.0 API 上线

豆包出了3.0语音模型，能同时听说、随时插话，还能在对话里调工具办事情，比传统语音助手强一大截。

#豆包 #实时语音模型3.0 #全双工 #语音Agent

小互@imxiaohu原文

6月2日

产品10:17

语音Agent获GPT-5级推理能力，边说话边思考

语音Agent终于能边说话边推理了，做语音交互或智能客服的团队值得关注，这可能是体验质变的关键一步。

#语音Agent #推理模型 #GPT-5 #智能交互

AI Will@FinanceYF5原文