#语音Agent
共 7 篇相关文章

·4 分钟
11M参数小模型Arc Tagger:逐词实时打标,让语音Agent在对话中途就能反应
Reddit开发者发布Arc Tagger:一个11M参数的流式同步文本打标小模型,能在语音转写逐词到达时实时识别意图、PII与安全风险,让语音Agent在对话中途做出反应。支持英语、CPU运行,许可证为非商业CC BY NC 4.0。
阅读全文 →

·4 分钟
Soniox STT v6发布:为语音Agent加入文本输入与回声过滤
Soniox发布STT v6语音识别模型,支持将语音Agent的文本作为输入上下文,用于提升短回复识别准确率并过滤Agent自身语音回声。提供stt-rt-v6流式与stt-async-v6异步两种接口。
阅读全文 →

·5 分钟
语音Agent测试工具如何选?Coval、Cekura、Hamming用户真实反馈
语音Agent生产化面临测试与监控难题。一位开发者询问Coval、Cekura、Hamming的使用体验,探讨自托管与SaaS的取舍,并考虑开源自研工具。本文分析语音Agent测试的痛点、现有工具的不足以及市场需求分层。
阅读全文 →

·9 分钟
语音Agent的三重博弈:延迟、智能与成本如何平衡
AstroBeam CEO Devin Reimer拆解虚拟语音Agent的延迟、智能与成本三角:1.5秒延迟舒适线、语音到语音模型贵3-5倍、流水线并行化技巧,以及游戏场景下每用户成本如何算清。
阅读全文 →

·4 分钟
AssemblyAI推出TTS-1:每百万字符15美元的语音Agent API
AssemblyAI 发布首个面向语音 Agent 的 TTS 模型 AssemblyAI-TTS-1,每百万字符 15 美元,无需签约即可不限并发,首发支持 6 种语言。本文分析其定价策略、语言覆盖与对语音 Agent 开发者的实际影响。
阅读全文 →

·7 分钟
语音Agent通话中突然静默?排查6个管线Bug
语音Agent通话中突然静默,问题往往不在模型本身。一位开发者排查一周,发现六个管线Bug:监听进程崩溃、检测盲区、挂断信号反向、音频死锁、循环自维持故障,以及服务商四分钟静默。核心教训是失败开放、单一持有者、进程存活不等于工作正常。
阅读全文 →
