AI 编程实时动态与要闻

Fish Audio 推出无代码语音智能体平台 Fish Agent:一句话描述即可生成能打接电话的 AI 助手,官方称部署中位时间 32 秒,支持自带 LLM 和完整 API

Fish Audio 11 月 12 日(新加坡时间 13 日 01:00)发布 Fish Agent,一个无代码的语音智能体平台:用文字描述想要的助手即可生成,官方称部署时间中位数 32 秒。智能体可以租用或接入自有电话号码打接电话,可选平台大模型或接入自己的 OpenAI 兼容端点,并通过 Webhook、知识库和 REST API 扩展,对话由此前发布的全双工模型 Live 3 驱动。官方文档标注平台处于公开测试阶段。定价为每分钟 0.035 美元(原价 0.07 美元,优惠到 12 月 31 日),电话通话每分钟另加 0.01 美元,号码每月 1.20 美元,新用户送 5 美元额度。

Fish Audio 推出无代码语音智能体平台 Fish Agent:一句话描述即可生成能打接电话的 AI 助手,官方称部署中位时间 32 秒,支持自带 LLM 和完整 API

核心要点速览

  • 无代码生成:用文字描述即可生成语音智能体,官方称部署中位时间 32 秒(厂商口径)
  • 电话能力:可租用号码或自带运营商(BYO SIP)打接电话;托管号码目前只有美国和加拿大本地号,支持热转接和冷转接给人工
  • 可换大脑:默认用平台模型,也可接入自己的 OpenAI 兼容 chat completions 端点,语音识别、合成和打断处理仍由 Fish Audio 负责
  • 定价:每分钟 0.035 美元(原价 0.07 美元,优惠至 2026 年 12 月 31 日),通话每分钟另加 0.01 美元,号码每月 1.20 美元,新用户送 5 美元额度且无需绑卡
  • 测试与监控:支持单轮、多轮和工具调用测试,版本发布与回滚,通话录音、转写和通话后自动分析;平台仍为公开测试版
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Fish Audio Live 3🤖 Fish Agent🌐 Fish Audio

Fish Audio 发布全双工语音模型 Live 3:边说边听、会回应「嗯嗯」并判断何时让出话轮,最快 186 毫秒决定回应,语音智能体每分钟 0.035 美元

Fish Audio 于 11 月 10 日(新加坡时间 11 日凌晨 02:02)发布全双工语音模型 Live 3。它在说话的同时持续收听,能用「嗯嗯」「好的」等附和语确认听到,同时把话轮留给用户;能区分附和与真正的插话,用户改口时会等对方说完。官方称这些行为从真实人类对话中学来,而不是靠规则和阈值,最快 186 毫秒即可决定回应。Live 3 目前只支持英语,已上线 Fish Agent 平台和 API,企业可本地部署;语音智能体限时价每分钟 0.035 美元(原价 0.07 美元,优惠至 2026 年 12 月 31 日)。官方未公布标准化 Benchmark。

Fish Audio 发布全双工语音模型 Live 3:边说边听、会回应「嗯嗯」并判断何时让出话轮,最快 186 毫秒决定回应,语音智能体每分钟 0.035 美元

核心要点速览

  • 全双工:Live 3 说话时持续收听,把话轮判断放进语音模型本身,而不是 ASR、LLM、TTS 串联管线里的规则
  • 延迟(官方口径):最快 186 毫秒决定回应,先用「mm-hmm」「okay」等短回应维持对话,完整答案在后台生成
  • 价格:语音智能体每分钟 $0.035(原价 $0.07,5 折优惠至 2026-12-31),语音识别、LLM、语音合成合并计费;电话另加 $0.01/分钟,注册送 $5 额度
  • 限制:目前只支持英语;官方未公布标准化 Benchmark,只放出 3 段真实测试通话录音
  • 部署:Fish Agent 平台、API 和企业本地部署三种方式,支持全双工与级联两种模式
阅读全文
关联模型 / 智能体 / 厂商:

OpenAI Realtime 负责人宣布:GPT-Live 外呼电话 API 正式 GA,可经任意 SIP 中继主动拨号并支持 DTMF

OpenAI Realtime AI 负责人 Justin Uberti 11 月 4 日发帖称 GPT-Live 外呼电话 API 已 GA:Live 语音智能体可通过 Telnyx、Twilio 等任意 SIP 中继主动拨号,支持 HD Voice 与双向 DTMF。官方文档给出 Live API + SIP transport 接入方式;Greg Brockman 转发确认。

OpenAI Realtime 负责人宣布:GPT-Live 外呼电话 API 正式 GA,可经任意 SIP 中继主动拨号并支持 DTMF

核心要点速览

  • OpenAI Realtime AI 负责人 Justin Uberti:GPT-Live 外呼电话 API 已 GA,可经任意 SIP 中继拨号
  • 官方文档:Live API POST /v1/live/sessions + transport.type=sip,支持 HD Voice 与双向 DTMF
  • 中继要求 TLS(sips:)信令与 SDES-SRTP;示例兼容 Telnyx、Twilio 等
  • 硬限制(文档):振铃最长约 3 分钟,接通后最长约 2 小时
  • Greg Brockman 转发确认;写作按员工第一手说明引用,非公司主账号通稿
阅读全文
关联模型 / 智能体 / 厂商:
⚡ OpenAI GPT Live 1🌐 OpenAI

OpenAI:GPT-Live-1 上线 API——全双工语音智能体可边听边说,自选模型与 harness

OpenAI 开发者账号宣布 GPT-Live-1 已在 API 可用:把 ChatGPT 的自然来回对话带进应用,语音智能体可在说话时继续聆听,并搭配你选择的模型与 harness。OpenAI 工程师 Tibo 亦确认可基于同一套已服务约 10 亿 ChatGPT 用户的语音系统做全双工工具调用应用。

核心要点速览

  • GPT-Live-1 已在 OpenAI API 上线,面向可打断的全双工语音智能体。
  • 支持边听边说,并可自选底层模型与 harness。
  • 与 ChatGPT 同款语音栈对齐,适合工具调用型语音应用。
阅读全文
关联模型 / 智能体 / 厂商:
⚡ GPT Live 1🌐 OpenAI
AD赞助内容

xAI 把 Grok Voice 接入 LiveKit:STT、Grok 4.3 与 TTS 同会话级联,全链路 ZDR

SpaceXAI 宣布可在 LiveKit 中使用 Grok Voice 模型构建语音代理,并支持零数据保留(ZDR)。LiveKit 演示了端到端患者预问诊代理:Grok STT → Grok 4.3 → Grok TTS 在同一 AgentSession 中级联,无需多套 API Key 与账单。开发者可用三条模型字符串拼出语音智能体,适合客服、预问诊与工具调用场景。

核心要点速览

  • Grok Voice 可在 LiveKit 构建语音代理,全链路支持 ZDR。
  • STT、Grok 4.3 与 TTS 可在同一 AgentSession 级联,无需多套密钥与账单。
  • 官方示例为患者预问诊,面向可调工具的实时语音智能体。
阅读全文
关联模型 / 智能体 / 厂商:

Grok Voice Think Fast 2.0 登顶语音到语音榜,并开放 API 与 Agent Builder

SpaceXAI 宣布 Grok Voice Think Fast 2.0 在 Artificial Analysis Speech-to-Speech Index 上排名第一。该榜衡量语音代理能否对听到的内容进行推理、解决真实客户问题,并用工具正确完成任务。模型已可通过 API 和 Agent Builder 使用。SpaceXAI 称 Starlink 每天用 Grok Voice 处理超过 1.5 万通客服与销售来电。

核心要点速览

  • Think Fast 2.0 把语音代理从“能说话”推进到能推理、调工具并完成任务。
  • API 与 Agent Builder 同步开放,开发者可直接搭建语音代理。
  • Starlink 日均 1.5 万通来电的生产用量,是语音 LLM 进入客服主路径的信号。
阅读全文
关联模型 / 智能体 / 厂商: