跳到正文

Voice Agent 观察 · 每日行业精选

关注实时语音、ASR/TTS、开发框架与商业落地。每日采集与中文分析共用滚动 24 小时 100 次模型调用预算;来源失败、额度等待或调度延迟会使更新顺延,有有效内容才出刊。重要信息请核对原文。

  1. LiveKit Blog69

    LiveKit 实测 Gemini 4 Hydrogen 与 3.8 Flash 在工具故障语音智能体中的表现

    LiveKit 提前试用 Gemini 4 Hydrogen,并在旅行客服语音智能体中故意让 book_hotel 工具持续失败,比较其与 Gemini 3.8 Flash 的工具诚实性和响应延迟。

    推荐理由:通过故意让酒店预订工具失败,比较两款模型在语音智能体中的工具诚实性与首句延迟,测试方法和配置口径可直接复用。

  2. Retell AI Blog75

    Retell 宣布年化收入运行率达到 1 亿美元

    Retell 宣布其年化收入运行率达到 1 亿美元,累计融资 460 万美元,在不到三年内实现这一规模。公司称目前有 4000 多家客户,每月在 Retell 上运行超过 1 亿次通话。文章还介绍其产品优先策略,并以 Asbury Automotive Group 为例,称其开发者管理覆盖 157 家经销商的服务来电智能体,过去一年处理超过 310 万分钟客户通话。

    推荐理由:官方披露年化收入、客户数和月通话量,并说明产品化部署与客户内部团队模式,可作为观察语音客服规模化落地的样本。

  3. LiveKit Blog78

    LiveKit Cloud API 进入开放测试,编码智能体可管理几乎全部 LiveKit Cloud 操作

    LiveKit 宣布 Cloud API 进入开放测试,让 Claude Code、Codex、Cursor 等编码智能体通过 REST API 或 CLI 执行项目创建、成员与 webhook 管理,并读取语音智能体会话的转录、日志、追踪、指标和录音。

    推荐理由:文章把项目配置、会话排障和账号权限串成编码智能体可执行的云端工作流,便于评估其对语音智能体运维方式的影响。

  1. ElevenLabs Blog76

    ElevenLabs Summit NYC 发布模型、ElevenAgents 更新、ElevenAI 与企业生态计划

    ElevenLabs 在纽约 Summit 发布面向企业交互层的新模型、智能体能力和部署选项,包括 Scribe v3 Medical、Interaction Engine、ElevenAgents 的 Memory 与 Routines,以及 ElevenAI 早期访问。

    推荐理由:官方集中披露模型、智能体平台、企业应用与生态计划,可作为梳理 ElevenLabs 企业语音智能体布局的一手材料。

  1. Deepgram Blog72

    Deepgram Nova-3 新增巴斯克语和加利西亚语模型,支持西班牙 Ley 10/2025 联络中心语言合规

    Deepgram 宣布 Nova-3 新增专用巴斯克语 eu 和加利西亚语 gl 模型,并与加泰罗尼亚语 ca 一起支持 api.deepgram.com、欧盟端点 api.eu.deepgram.com 及自托管部署,巴伦西亚语通过加泰罗尼亚语模型处理。

    推荐理由:文章把西班牙联络中心语言合规期限与 Nova-3 新增巴斯克语、加利西亚语转写能力对应起来,便于评估改造路径。

  1. Pipecat Releases83

    Pipecat v1.15.0 发布,加入表达性对话 Alpha 与轮次策略组合机制

    Pipecat 发布 v1.15.0,新增表达性对话 Alpha、分类器轮次停止策略、AssemblyAI Streaming TTS 服务,并调整多个用户轮次策略的默认行为。

    推荐理由:版本说明集中列出表达性对话、轮次策略和多家 TTS 适配变化,适合评估语音管线升级影响。

  2. Cartesia Blog81

    Cartesia 推出端到端企业语音智能体平台 Managed Agents

    Cartesia 发布 Managed Agents,这是面向企业对话的端到端语音智能体平台,集成电话、知识库、工具集成和外呼活动等生产能力。平台将语音模型与 harness 协同设计,统一调优倾听、轮次交替、推理、工具调用和语音;官方称其已在金融、零售、酒店和医疗场景支撑数千万次对话。

    推荐理由:官方完整说明端到端语音智能体平台的架构、企业功能与两项基准结果,可用于对比级联式方案和评估生产落地条件。

  1. Pipecat Releases86

    Pipecat v1.13.0 发布:新增文件上传、LLMWithBackend 与多项实时语音能力

    Pipecat 发布 v1.13.0,新增 RTVI send-file 文件与图片消息、文件解析和上传接口,并引入 alpha 阶段的 LLMWithBackend,用于前端对话 LLM 与后端深度思考和工具编排协作。

    推荐理由:版本说明集中列出文件上传、后端智能体、实时语音服务与多项语音模型适配,可帮助升级者核对工程接口和兼容性影响。

  1. ElevenLabs Blog82

    ElevenLabs 完成 3 亿美元员工要约,估值升至 220 亿美元

    ElevenLabs 宣布完成 3 亿美元员工要约,公司估值达到 220 亿美元,由 Wellington 和 T. Rowe Price 领投,估值为 2 月 D 轮时的两倍。

    推荐理由:官方披露员工要约、估值与企业收入结构,并给出 ElevenAgents 周对话量和客户场景,可用于观察语音智能体商业化进展。

  1. ElevenLabs Blog87

    ElevenLabs 发布情感型 TTS 模型 Eleven v4 与低延迟版 Eleven v4 Turbo

    ElevenLabs 发布 TTS 模型 Eleven v4 及其低延迟版本 Eleven v4 Turbo,主打语气、节奏、情绪、角色和上下文理解。

    推荐理由:官方完整说明 Eleven v4 与 Turbo 的情感表达、延迟、多语言和声音克隆变化,可作为评估语音智能体合成能力的直接参考。

已经到底了