PulseAugur
中
实时 20:22:27
实体 Pipecat

Pipecat

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

Show in brief
总计 · 30天
11
90 天内 29
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
关系
情绪 · 30 天

5 天有情绪数据

最近 · 第 1/2 页 · 共 30 条
  1. TOOL · CL_364017 ·

    Pipecat 框架修复函数调用超时错误

    2026年9月15日为 Pipecat 框架合并的一个拉取请求解决了函数调用超时在中间结果后被错误重置的问题。以前,任何结果,即使是进度更新,都会解除超时警报,导致工具无限期挂起而不会受到任何后果。此修复确保超时在收到最终结果之前一直保持有效,防止无限期挂起,并确保超时调用得到正确取消和报告。

  2. TOOL · CL_370064 ·

    Inworld AI 发布开源 Sava 模型用于语音活动检测

    Inworld AI 发布了 Sava,一个用于语义声学语音活动检测的新型开源模型。Sava 能够区分语音、咳嗽和笑声等非语音声音,并实时检测说话者的轮次结束。该模型在约 5,000 小时的多样化音频数据上进行了训练,并与 Silero VAD 和 Pipecat 等现有模型进行了基准测试。

  3. TOOL · CL_339767 ·

    Soniox STT v6 通过文本输入和回声过滤增强语音代理功能

    Soniox 推出了 Soniox STT v6,这是一个更新的语音转文本 API,旨在改善语音代理的交互。新版本集成了代理文本输入功能,使系统能够识别简短回复并过滤掉代理自身的声音,以防止自我打断。此次更新还提高了数字、货币和专业术语的准确性,并改进了 60 多种语言的说话人分离和口音处理能力。

  4. TOOL · CL_334363 ·

    Deepgram 收购 Pipecat 开发者 Daily 以增强语音 AI

    Deepgram 已收购实时通信平台 Pipecat 的开发公司 Daily。此次收购旨在加强 Deepgram 的语音 AI 基础设施,从而更深入地理解实时语音和视频数据。

  5. TOOL · CL_329765 ·

    Deepgram 收购 Pipecat 开发者 Daily 以增强语音 AI

    Deepgram 已收购 Daily,即 Pipecat 视频会议平台的开发者。此次收购旨在增强 Deepgram 的语音 AI 基础设施能力。Pipecat 将继续作为一个开源项目运营。

  6. TOOL · CL_329776 ·

    Deepgram 收购 Pipecat 开发者 Daily 以加强开源语音 AI

    Deepgram 已收购了开源语音 AI 基础设施 Pipecat 的开发者 Daily。尽管未披露财务细节,但两家公司均已确认 Pipecat 将继续保持开源。此次收购汇集了两家同为 2016 年 Y Combinator 参训公司的企业,Deepgram 还推出了一项名为 Real-Time Context Standard 的新开放协议,该协议是与 Pipecat 共同开发的。

  7. TOOL · CL_329799 ·

    Deepgram 收购 Pipecat 的开发者 Daily,以增强语音 AI 基础设施

    Deepgram 收购了 Pipecat(一个开源语音 AI 基础设施框架)的开发者 Daily。此次收购旨在加强 Deepgram 的实时语音和视频通信能力,并将其业务范围扩展到语音应用之外。两家公司都曾是同一期 Y Combinator 的学员,并强调了他们将 Pipecat 保持开源以及促进语音代理开放生态系统的承诺。Deepgram 还将推出与 Daily 共同开发的实时上下文标准(RCS)协议,以增强语音代理的表达能力。

  8. TOOL · CL_329733 ·

    亚马逊通过 100 多项新的人工智能驱动购物功能增强 Alexa · 跟踪 3 个来源

    亚马逊已通过 100 多项新的购物相关功能增强了 Alexa,使用户能够管理列表、订阅和配送说明。人工智能助手现在可以帮助创建、编辑和查看购物列表,以及修改订阅频率和配送详细信息。此外,用户还可以通过 Alexa 查询 Prime 和 Audible 订阅以及解决账单问题。这些更新遵循了亚马逊将人工智能融入其购物体验的更广泛战略,今年代理功能的使用量增加了八倍。

  9. TOOL · CL_336915 ·

    VoxLock模型可在无需注册的情况下提取语音代理的目标说话人声音

    一款名为VoxLock的新型开源模型已被开发用于语音代理,旨在无需单独的注册步骤即可提取目标说话人的声音。该模型基于REAL-TSE,在真实世界录音上的词错误率(WER)显著低于未经处理的音频和其他测试系统。它可以在单个GPU上高效运行,延迟低,适合语音代理等实时应用,并可与Pipecat和LiveKit Agents等平台集成。

  10. 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。

  11. 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。

  12. TOOL · CL_256219 ·

    AssemblyAI教程展示如何构建客户支持AI语音助手

    AssemblyAI发布了一个教程,详细介绍了如何构建一个能够查询订单和验证账户的客户支持语音助手。该助手利用了AssemblyAI的Voice Agent API,该API将语音转文本、LLM和文本转语音功能整合到一个WebSocket连接中。该教程解决了此类助手中常见的故障点,特别是识别字母数字数据的实体准确性以及在后端系统查询期间处理静默时间,并为两者提供了解决方案。

  13. 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…

  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. 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。

  16. TOOL · CL_218815 ·

    AssemblyAI教程展示了如何使用Universal-3.5 Pro Realtime构建语音电商助手

    AssemblyAI发布了一个教程,详细介绍了如何使用其Voice Agent API和Universal-3.5 Pro Realtime模型构建一个语音驱动的电商购物助手。该助手可以通过语音命令处理产品搜索、管理购物车、跟踪订单和完成结账。教程强调了实体准确性在语音商务中的重要性,并重点介绍了Universal-3.5 Pro Realtime在Pipecat基准测试中处理真实世界代理对话(包括多语言支持和句子中代码切换)方面的表现。

  17. SIGNIFICANT · CL_223624 ·

    Pipecat-ai 发布 PhoneLLM Alpha 1 用于语音代理

    Pipecat-ai 发布了 PhoneLLM Alpha 1,这是一个专为语音代理应用设计的开源模型。该模型针对低延迟和多轮对话进行了优化,适用于各行业的客户服务角色。PhoneLLM Alpha 1 为更大、更通用的模型提供了更具成本效益且更快的替代方案,在特定任务上表现相当。

  18. 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…

  19. TOOL · CL_197190 ·

    AssemblyAI 将 Universal-3.5 Pro Realtime 与 Agora 集成以构建语音代理

    AssemblyAI 发布了一份指南,详细介绍了如何将其 Universal-3.5 Pro Realtime 语音转文本模型与 Agora 的实时音频传输平台集成。此次集成允许开发人员在不修改客户端代码的情况下,为 Agora 通话添加低延迟、区分说话人的转录功能。该过程涉及一个 Python 服务器机器人,该机器人加入 Agora 频道,捕获原始音频,并将其流式传输到 AssemblyAI 的 WebSocket 端点进行转录。据…

  20. TOOL · CL_182444 ·

    AssemblyAI推出集成式语音代理API,简化开发

    AssemblyAI推出了一款新的语音代理API,旨在简化语音AI代理的开发。该API将语音转文本(STT)、大型语言模型(LLM)和文本转语音(TTS)功能集成到单一连接中,旨在减少管理多个提供商和仪表板的复杂性。这种方法与提供快速入门但可能限制定制的编排平台,以及需要集成单独的STT、LLM和TTS服务导致大量连接工作的DIY方法形成对比。