Retell
PulseAugur coverage of Retell — every cluster mentioning Retell across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
暖通空调语音助手被错误配置了牙科关键词
一家暖通空调公司语音助手中的一个错误显示，它可能由于从牙科助手那里克隆错误而无意中配置了牙科关键词和分析字段。虽然该助手的提示已正确设置为暖通空调服务，但底层配置仍然包含“Invisalign”等术语以及评估“合法牙科预约需求”的字段。这些隐藏的错误配置可能会影响语音到文本的转录，并导致通话后分析不准确，即使对话测试可能没有立即暴露问题。
-
单一提示词AI代理揭示状态机局限性
本文作者探讨了使用单一、大型提示词来构建多个AI语音代理的局限性。尽管这种方法已成功应用于九个不同行业的客户代理，但作者发现其中大部分提示词实际上是用散文写成的状态机。这一认识揭示了单一提示词方法开始失效的节点，特别是在提示词不同部分存在冲突指令时，会导致代理行为不可预测。
-
AI语音代理提示函数类似类型检查的代码，但并非如此
本文讨论了在AI语音代理中使用动态变量的挑战，特别是在Retell平台上。作者解释说，这些变量在提示中使用时，其功能类似于传统编程中的函数签名，但缺乏类型检查，从而可能导致错误。常见问题包括缺少参数，这可能导致AI直接朗读原始占位符，以及提示和提供的数据之间的名称不匹配。该帖子建议最佳实践，例如为所有变量提供默认值，并处理可能缺失信息的情况，以确保代理的稳健性能。
-
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…
-
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。
-
Retell 通话记录分析揭示了意想不到的复杂性
本文讨论了打开 Retell 通话记录的经历以及最初对问题的熟悉感。作者反思了这一过程，认为需要超越表面认知进行更深入的理解。
-
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…
-
Dograh 推出，成为语音 AI 代理的开源替代方案
Dograh 是一个用于构建语音 AI 代理的新开源平台。它支持自托管，并提供拖放式工作流构建器，作为 Vapi 和 Retell 等现有服务的替代方案。
-
Y Combinator CEO：AI代理加速初创企业实现前所未有的增长
Y Combinator的CEO Garry Tan敦促创业者拥抱AI代理，他认为完全基于AI的新创公司可以实现快速增长和盈利。他强调，被称为“个人AGI”的AI代理可以显著加速企业的创建和运营，使个人能够管理一个代理团队。Tan指出，Y Combinator目前的大多数公司都是AI原生公司，其中一些公司在八个月内就实现了九位数的收入，而他们至少有四分之一的创业项目代码库是95%由AI生成的。
-
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。
-
语音代理构建者分享架构、延迟和评估方面的实用技巧
AssemblyAI 在旧金山举办了一场关于构建实用语音代理的聚会，汇集了 Retell 和 Super 生产团队的见解。关键要点包括：倾向于采用级联架构以实现灵活性和定制化；将延迟预算控制在 1-1.5 秒对于自然的对话流程至关重要；以及对模型评估采取分层方法。此评估过程涵盖了语音转文本的自动化指标、精选的困难案例以及使用 LLM 作为评委来评估语言模型，最终通过人工“氛围检查”来评估文本转语音的质量。
-
语音AI初创公司Rime融资2400万美元A轮，用于企业呼叫处理
语音AI初创公司Rime已获得2400万美元A轮融资，以增强其处理企业客户来电的能力。该公司通过收集自己的对话数据来减少客户定制需求并提高模型性能，专注于专业术语和发音，从而实现差异化。尽管取得了进展，Rime承认语音AI在完全取代传统IVR系统方面仍面临挑战，因为用户体验存在局限性。
-
AssemblyAI 评测 2026 年语音代理 API：OpenAI、ElevenLabs、Retell、Vapi
AssemblyAI 发布了一份指南，比较了 2026 年可用的语音转语音代理 API。该指南评估了来自 AssemblyAI、OpenAI、ElevenLabs、Retell 和 Vapi 的 API，重点关注准确性、延迟和定价。它区分了链式管道（其中 STT、LLM 和 TTS 是独立的，但通过单个 API 暴露）和端到端处理音频的原生语音转语音模型。这两种架构之间的选择取决于所需的透明度、对各个组件的控制以及特定的应用程序需求等因素。
-
工程师寻求关于构建个人AI语音助手以提供打包协助的建议
一位工程师正在寻求关于构建个人AI语音助手的建议，以协助旅行打包，特别是针对患有多动症（ADHD）的人群。该助手应能够发起外呼电话，进行具有暂停/恢复功能的自然交互式对话，并跟踪清单状态。用户正在探索各种技术栈，包括Vapi和Retell等平台，或直接使用Twilio和OpenAI的Realtime API进行构建，并正在权衡云托管与本地托管在简便性和可靠性方面的优势。
-
语音 AI 延迟基准测试：端到端模型优于级联模型
最近对五个语音 AI 栈进行的基准测试显示，只有两个能够持续在关键的 300 毫秒延迟阈值内响应。作者发现，将语音识别 (STT)、大语言模型 (LLM) 和语音合成 (TTS) 合并为单一流程的端到端语音模型，其性能显著优于级联模型。这些级联系统由于串行处理语音识别、LLM 首个 token 的生成时间、语音合成以及网络往返时间，难以满足延迟要求。速度最快的两个栈是 OpenAI 的 Realtime API 配合 GPT-4o，以…
-
Voicetest 0.41 允许代理回放生产通话以进行回归测试
Voicetest 发布了 0.41 版本，引入了新功能以帮助开发人员更有效地测试语音代理。此次更新允许用户导入真实的生产通话记录，并将其回放给代理的当前配置。此过程有助于识别合成测试可能遗漏的回归问题，因为它使代理能够接触到实际的用户措辞和长尾意图。