语音 Agent 最招人烦的两件事:一吵就听错,你停下来想个词它就抢话。这两个毛病,现在各有一个能在 CPU 上跑的开源模型来治。
#语音 Agent 6 篇
同一套口头推理题,它比 GPT-Realtime-2.1 High 答得准,折算到每小时的成本却只有对方的约八分之一。
语音 Agent 只读转写稿,听不见叹气、停顿和语气。Hume 让开发者直接向原始音频提问、拿回结构化概率,一通 5 分钟电话问 6 个问题约 9 分钱人民币。
Cekura 用同一批英文通话句子比较文字转语音模型:读懂 46 毫秒、负延迟与自动评分,才能把榜单用在真实语音 Agent 上。
Mini 侧重自然接话,Max 侧重复杂任务。两段中英双语视频,讲清系统怎么配合、五项成绩怎么读,以及平台和 API 怎么选。
xAI 新一代语音到语音模型:第三方综合榜第一,不到 1 秒开口,难缠客服电话的办成率比上一代高 15 个百分点,API 价格不变。