★ 3
Retell 用 OpenAI 模型支撑每月1亿次通话
Retell 基于 OpenAI 模型驱动其语音智能体，每月处理约1亿次通话。GPT-6 Astra 在其语音智能体基准测试中排名第一，Codex 帮助其实现每位员工160万美元的年化营收。
OpenAI5 天前
#语音智能体
共 13 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
Anima 用 GPT-6 与 GPT-Live 将诊所电话等待缩短 75%
Anima 基于 OpenAI 的 GPT-6 与 GPT-Live 模型扩展了医疗团队的接诊能力，使诊所电话等待时间下降 75%。该案例展示了对话式 AI 在医疗前台与患者沟通场景中的落地效果。
OpenAI10 天前
★ 3
研究：为对话式 TTS 模型加音素控制，药名读音正确率升至 90.7%
论文在不做预训练/中训练的前提下，通过 ARPAbet 词表扩展、音素增强监督微调与免训练推理期声学偏置，为预训练对话式 TTS 模型补上音素可控性。在 7500 条临床药名读音评测中，Gemini 判定的严格正确率从 54.6% 升至 90.7%，且全部为域外测试，说明模型学到的是发音而非记忆。
arXiv NLP13 天前
★ 3
研究训练语音智能体遵循未见催收合规流程
论文提出 FlowSpec 机器可读规范，用 297 个随机流程的 2506 段对话微调 90 亿参数模型，使其能遵循从未见过的受监管催收流程。在四个未见部署流程上，文档化检查通过率从 67-71% 升至 93-100%，场景通过率从 15/43 升至 40/43。审计还发现共享规范中 11 处缺…
arXiv NLP18 天前
★ 3
Veda：首个 AI 智能体业余操作系统发布
开发者发布 Veda，一个内置语音智能体的业余操作系统，用 Rust 编写，包含 UEFI 引导、能力型微内核、窗口系统与应用。智能体作为系统一等用户，可通过与键鼠相同的代码路径操作任意应用，并在难以撤销的操作前先征求同意。
Hacker News – AI20 天前
★ 3
DuplexAgent-RSI：全双工语音智能体协作的递归框架改进
论文提出 DuplexAgent 全双工协作系统，将任务接受、进度、取消、替换与结果交付等工作流表达为六个可编辑模块，并通过 Duplex-Harness-RSI 闭环从交互轨迹中自动修订模块。实验显示其在口语知识与可执行工具评分上优于对比的委派系统，同时保持强中断响应能力。
arXiv cs.AI24 天前
★ 3
DuplexJev：免解码批量语音决策框架
针对全双工语音智能体大量小型封闭决策依赖慢速自回归解码的问题，提出DuplexJev：将ASR编码器隐状态经小型连接器送入冻结LLM，以单token分布读出答案，无需解码。8卡节点约0.1秒完成80项决策，语音问答接近读转录文本，并能识别性别与情绪。
arXiv cs.AI28 天前
★ 3
VAmoS Energy：更真实的多请求语音智能体基准
论文提出 VAmoS Energy 基准，包含 100 通关于水电账单与支付协助的电话，每通含 2 至 4 个请求，智能体拥有 16 个工具并接入有状态 Stripe 计费孪生与 Apache Fineract 贷款引擎，账户访问需先通过来电者验证。在 14 个语音栈上完成率介于 17.3% 至 …
arXiv cs.AI32 天前
★ 3
实时语音智能体评估：从组件质量到落地结果
论文梳理实时语音智能体评测的碎片化现状，指出架构选择是部署约束而非定论，评测重心已从组件质量转向可验证的落地结果，且双人对话假设正在失效。作者提出 TRG 报告标准，从时序、中断恢复与状态验证结果三方面刻画智能体。
arXiv cs.AI35 天前
★ 3
τ-Elicitation：语音智能体多轮实体抽取基准
论文推出τ-Elicitation，一个包含200个任务、10类实体、三种环境的语音基准，用于评估语音智能体精确采集姓名、地址、日期等实体的能力。匹配的文本智能体全部通过，但四种语音配置的稳健成功率仅0.14至0.41，且仅24-37%的已验证错误被修复。加入拼写、复读、纠正与确认的脚手架可将成功…
arXiv cs.AI48 天前
★ 2
Voxlocal：Rust 编写的极简语音智能体
开发者发布 Voxlocal，一个用 Rust 语言编写的极简语音智能体项目。该项目主打轻量与本地化，为语音交互场景提供低依赖的实现方案，引发技术社区关注。
Lobsters – Machine Learning22 天前
★ 2
提示词 vs 规则：语音用户模拟自然度审计
论文审计了基于 LLM 提示的 tau-Voice 与基于规则的注入算法在语音用户模拟中实现的不流畅、打断与附和等自然度行为。结果显示提示方式不可靠、生成的语音与指令不一致且分布不自然，而基于规则的无模型算法更可控、更贴近真实语音。作者认为未经用户模拟专门训练的 LLM 不足以代表真实用户行为。
arXiv NLP24 天前
★ 2
YC系餐厅AI承诺不丢单，条款却免责宕机
一篇外部分析审视了 YC 支持的餐厅 AI 公司 Elyra，其语音智能体页面宣称「绝不再错过任何预订」，但服务条款第 17 条却声明不保证可用性且对宕机不承担责任。文章探讨了宕机风险实际由谁承担，以及备用方案应如何设计。揭示了 AI 语音产品宣传与合同条款之间的落差。
Hacker News – AI45 天前
这个主题的相关资产
相关公司OpenAI2