PulseAugur
中
实时 20:49:51
实体 LiveKit

LiveKit

PulseAugur coverage of LiveKit — every cluster mentioning LiveKit across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
8
90 天内 29
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
关系
情绪 · 30 天

3 天有情绪数据

最近 · 第 1/2 页 · 共 32 条
  1. TOOL · CL_348345 ·

    Netra 和 Cekura 平台提供高级语音助手测试

    两个平台 Netra 和 Cekura 提供了用于测试和监控语音助手性能的解决方案,解决了文本分析遗漏的故障。Netra 在详细通话分析方面表现出色,提供通话各阶段的时序分解,并提取通话时长占比和打断次数等指标,专注于模拟多样化的呼叫者画像。另一方面,Cekura 提供按分钟计费的语音测试定价,并与各种语音和聊天平台集成,适合需要估算成本并在 CI 流水线中运行回归测试的团队。

  2. TOOL · CL_329299 ·

    AssemblyAI 发布面向语音代理的每百万字符 15 美元的 TTS API

    AssemblyAI 推出了 AssemblyAI-TTS-1,这是一款专为实时电话呼叫中的语音代理设计的新型文本转语音 API。该服务以每百万字符 15 美元的价格提供具有竞争力的定价,并在自测中声称具有低延迟,首字节中位数为 47 毫秒。虽然它在实体准确性方面表现出与 ElevenLabs v4 相当的水平,但独立基准测试显示,与 Inworld TTS-2 Flash 等竞争对手相比,在延迟和自然度方面结果好坏参半。

  3. SIGNIFICANT · CL_323263 ·

    OpenAI 发布由 GPT-6 Astra 驱动的持久化云端代理

    OpenAI 推出了 Dots,这是一款持久化云端代理,旨在通过插件生态系统与 4,000 多个应用程序进行交互。这些代理运行在 GPT-6 Astra 模型上,重点关注始终在线工作负载的经济可行性。该公司还推出了 GPT-6.1 Sol,其性能与 Astra 相当,但成本显著降低,并推出了一个用于提高速度的超快(Ultrafast)层级。Dots 对 Pro 和 Business Premium 订阅用户免费提供,为测试持久化代理功…

  4. SIGNIFICANT · CL_313611 ·

    Mistral AI 发布 Voxtral 3 语音模型和语音代理 SDK

    Mistral AI 推出了 Voxtral 3,一个新系列的语音模型。此次发布包括三个不同的转录模型和一个文本转语音模型,以及一个与 LiveKit 集成的语音代理 SDK。Voxtral Small Transcribe 3 模型表现强劲,词错误率为 2.1%,在 Artificial Analysis 基准测试中排名第三。所有四个模型现在都可以通过 Mistral API 的公开预览版访问。

  5. SIGNIFICANT · CL_313106 ·

    Mistral AI 推出 Voxtral 3 语音模型和语音代理 SDK

    Mistral AI 推出了 Voxtral 3,这是一套包含转录和文本转语音功能的语音模型,以及一个语音代理 SDK。该版本包括三个转录模型、一个文本转语音模型以及一个基于 LiveKit 构建的 SDK,专为实时语音交互而设计。Mistral AI 声称其模型在语音转文本性能方面排名靠前,尤其是在说话人分离和多语言转录方面,同时还为 TTS 服务提供有竞争力的价格。

  6. TOOL · CL_313909 ·

    DeepSeek 发布推理工具包,PyTorch 获得 TPU 支持,Ramp 构建代理系统

    DeepSeek 发布了 DeepInfer,一个开源的大规模深度学习推理工具包,集成了分布式推理、缓存和负载均衡。Google 和 Meta 合作通过 TorchTPU 后端为 Tensor Processing Units (TPUs) 带来了原生 PyTorch 支持,优化了模型训练和推理。此外,Ramp 为其产品开发了 Laminar,一个内部代理系统,具备安全存储、工具集成和可观测性。

  7. SIGNIFICANT · CL_311389 ·

    Mistral AI 发布 Voxtral 3 以实现语音 AI 对话

    Mistral AI 发布了 Voxtral 3,这是一套专为语音 AI 交互设计的工具。此次发布包括一个语音转文本模型、一个文本转语音模型以及一个基于 LiveKit 构建的 SDK。这些组件协同工作,实现了从听取到响应的完整语音对话流程。Mistral AI 强调自托管部署和在欧盟境内托管的 API。

  8. TOOL · CL_287602 ·

    语音 AI 代理成本:托管与自托管平台分析

    与使用 Vapi 或 Retell 等托管平台相比,开发自定义语音 AI 代理可能更具成本效益,尤其是在通话量较高的情况下。语音 AI 通话涉及五个不同的服务:电话、语音转文本、大型语言模型、文本转语音和编排。虽然托管平台对编排服务收费约为每分钟五美分,但在 LiveKit 等平台上自托管可以将此成本降至每分钟一美分。然而,这种成本差异必须与构建和维护自定义解决方案所需的工程投入和潜在的初始成本进行权衡。对于较低的通话量,托管平台提供…

  9. TOOL · CL_276070 ·

    AI 语音代理成本降至每分钟 2.5 美分,通过定制化流程实现

    一家公司详细介绍了其 AI 语音代理的运行成本明细,该代理负责处理候选人面试。通过从托管语音平台迁移到定制的 LiveKit 流程,他们将每分钟成本从约 10 美分降至每分钟 2.5 美分。最大的成本组成部分是文本转语音 (TTS),每分钟消耗近一美分,而 LLM 本身仅占成本的一小部分。当考虑基础设施和工程维护时,定制化流程的成本效益在每月约 20,600 分钟的用量以上才能体现。

  10. TOOL · CL_300306 ·

    DuplexJev系统使冻结的LLM能够超越文本记录进行聆听

    研究人员推出了一种名为DuplexJev的新颖系统,旨在提高全双工语音代理的效率。与传统的缓慢解码不同,DuplexJev将自动语音识别(ASR)编码器的隐藏状态通过一个小型连接器输入到冻结的大型语言模型(LLM)中。这使得系统能够在大约0.1秒内对八个话语做出多个决策,速度远超以往的方法。该系统还展示了识别说话者情绪和性别的能力,准确率达到90%,并且已发布权重和训练流程。

  11. FRONTIER RELEASE · CL_255943 ·

    Google发布Gemini 3.8 Live和Extended Thinking音频模型

    Google发布了Gemini 3.8 Live和Gemini 3.8 Live Extended Thinking,这两款新的先进音频模型旨在增强语音代理功能并创造更自然的AI对话。Gemini 3.8 Live专注于规模、速度和成本效益,能够处理句子中途打断和多语言转换,而Gemini 3.8 Live Extended Thinking通过并行推理和语音处理,为复杂的、多步骤任务提供更深层次的智能。这些模型正通过API向消费者、…

  12. TOOL · CL_255652 ·

    AssemblyAI 指导使用 Twilio 和先进的流式模型创建语音代理

    AssemblyAI 发布了一份指南,详细介绍了如何使用其 Universal-3 Pro Streaming 和 Universal-3.5 Pro Realtime 模型,并结合 Twilio 的通信平台来构建语音代理。该指南提供了两种途径:一种是用于快速部署的托管 SIP 电话选项,另一种是用于更大程度控制的更具可定制性的桥接方法。与竞争对手相比,AssemblyAI 的模型在原生处理 8kHz 电话音频以及在转录电话号码和姓名…

  13. COMMENTARY · CL_253954 ·

    AssemblyAI、LiveKit 讨论真实世界语音代理的挑战

    AssemblyAI 和 LiveKit 最近在纽约举办了一次聚会,重点讨论了构建真实世界语音代理所面临的挑战。来自创始人社交平台 Boardy 和骨科护理 AI 平台 Flagler Health 的小组成员分享了他们的经验。尽管两家公司服务的用户群体和用例截然不同,但都遇到了类似的生产难题,突显了信任、轮流发言、延迟以及人类互动不可预测性等问题。

  14. TOOL · CL_242193 ·

    AssemblyAI 推出 Voice Agent API,提供灵活的集成选项

    AssemblyAI 推出了其 Voice Agent API,为语音 AI 堆栈提供了两条集成路径。第一条路径 Voice Agent API 是一个完全托管的服务,负责语音转文本、LLM 路由和文本转语音。第二条路径 Universal-3.5 Pro Realtime 允许开发人员将 AssemblyAI 的 STT 模型集成到他们现有的基础设施中,保留他们当前的 LLM、TTS 和编排逻辑。这种方法旨在提高姓名和数字等关键数据…

  15. TOOL · CL_230237 ·

    Techpotions 通过 AI 代理架构变更将 LLM API 成本降低 60%

    Techpotions 通过架构优化而非仅模型选择,成功将其 AI Calling Agent 的 LLM API 成本降低了 60%。关键策略包括实施模型路由以使用更便宜的模型处理简单任务、缓存提示以避免重复计费、强制执行输出 token 限制、精简系统提示以及将非实时任务卸载到异步处理。这些更改已迭代应用于其语音产品,该产品集成了 OpenAI、Next.js 和 Twilio,且未影响通话质量。

  16. FRONTIER RELEASE · CL_226499 ·

    Meta AI 发布单一实时模型用于语音任务

    Meta AI 推出了 Muse Voice Transcribe,这是一款新颖的实时音频感知模型,旨在在一个系统中处理语音识别、说话人分离和端点检测。该模型在流式语音转文本和说话人分离基准测试中排名靠前,可通过 Meta Model API 获取,价格为每 1000 音频分钟 3.00 美元。该开发通过将多个功能整合到一个自回归模型中,解决了语音 AI 的延迟挑战,旨在创造更自然、更具对话性的 AI 交互。

  17. TOOL · CL_207750 ·

    AssemblyAI 指导使用 STT-LLM-TTS 架构构建实时语音代理

    AssemblyAI 正在详细介绍如何使用连接语音识别 (STT)、大型语言模型 (LLM) 和文本转语音 (TTS) 组件的链式架构来构建实时语音代理。该公司强调低延迟流式管道的重要性,并就集成其 Universal 3.5 Pro Realtime STT 模型提供了具体指导。文章还探讨了 Vapi、Pipecat 和 LiveKit 等不同的编排平台,并讨论了从 Retell 和 Super 等公司吸取的关于生产级语音代理需求的…

  18. TOOL · CL_201741 ·

    AI 语音导师 Bhasha Academy 使用 Gemini 和 Murf Falcon 构建

    一位开发者创建了 Bhasha Academy,这是一个由 AI 驱动的语音导师,旨在帮助印度的学生练习英语和基础数学。该应用程序支持 Hinglish 对话,提供具有持久记忆的个性化学习,并在必要时可以升级到人工教师。该系统利用 Deepgram Nova-3 进行语音转文本,使用 Google Gemini 3.5 Flash Lite 进行对话式 AI,并使用 Murf Falcon TTS 进行语音生成,所有这些都通过 Liv…

  19. RESEARCH · CL_201144 ·

    AI语音技术从研究走向实际应用

    人工智能语音技术的最新进展在多个领域得到体现,从语音克隆和检测的学术研究到联络中心和个性化学习伴侣的实际应用。一篇arXiv上的调查论文详细介绍了AI生成语音及其检测的复杂性,并指出了诸如冒充和虚假信息等风险。与此同时,Cartesia的Sonic-3.6 TTS模型在语音排行榜上名列前茅,提供低延迟的实时合成。包括ShikshaMitra AI、RupeeGPT、Aarogyam、Sydney和EduGuideAI在内的多个项目,展…

  20. TOOL · CL_197184 ·

    AssemblyAI 通过上下文携带增强语音代理转录

    AssemblyAI 推出了名为 Agent Context Carryover 的新功能,旨在提高语音代理转录的准确性。此功能允许语音转文本模型保持对正在进行的对话的感知,包括代理之前的回复和用户的先前输入。通过一个设置启用此上下文感知,AssemblyAI 旨在消除对手动关键词列表或自定义词汇表的需求,从而简化语音代理的开发过程。该公司通过为虚构餐厅 Le Périgord Fusion 构建语音代理来展示此功能,该餐厅的菜单包含…