标签：voice-agent
-
金融合规场景下的语音 AI 评测与闭环迭代
AI Engineer
Upstart 与 Coval 分享在强监管借贷场景落地语音 Agent 的实践。团队通过人工审核对齐 LLM Judge，将合规一致性从 33% 提升至 92%，并建立包含实时监控、仿真测试与人工把关的持续闭环迭代流程。 -
构建抗打断的类人语音智能体：LiveKit 的端到端工程实践
AI Engineer
LiveKit 的 Jesse Hall 探讨了如何构建类人语音智能体。他指出语音交互并非排行榜单模型评测，而是端到端对话工程。通过度量首音频/首句子延迟、异步解耦工具调用、融合音频特征的轮次检测（打断率降至4.5%），以及全对话闭环模拟基准测试，才能打造抗打断且自然的语音系统。 -
延迟只是预算，像人才是终局：LiveKit 揭秘实时语音 Agent 的工程架构与评测真相
AI Engineer
在实时语音 Agent 领域，盲目追求模型跑分和极低延迟往往适得其反。本文深入剖析端到端流水线的感知延迟、打断机制与异步工具调用，指出语音 Agent 绝非聊天机器人套壳，而是一整套模仿人类交流反馈的分布式实时系统。 -
别被全双工骗了：GPT-Live
真正改变的是你的语音编程模式
yage.ai
文章探讨了 GPT-Live 如何通过引入‘委托（delegation）架构’，将语音交互的‘说话层’与‘工作层’彻底分离。这种设计解决了传统模型在响应速度和思考深度之间的矛盾，使得前台语音模型可以持续与用户交流，而后台大模型则并行处理复杂任务，从而实现了‘边聊边等’的高效体验。 -
构建实时AI销售代理：Cerebras 硬件与软件创新解析
AI Engineer
本次研讨会聚焦于如何构建一个能够进行自然对话的AI销售代理。演讲者详细介绍了Cerebras的创新硬件（如WSE-3）如何通过解决内存带宽瓶颈来加速AI推理，并阐述了如投机解码（speculative decoding）等软件技术。同时，他们演示了如何利用LiveKit SDK整合语音识别（STT）、文本转语音（TTS）和大型语言模型（LLM），以及如何为代理提供业务上下文，最终实现一个可部署的、响应迅速的AI销售助手。