Vercel News
·
在AI Gateway上构建实时语音代理
原文英文，约800词，阅读约需3分钟。
📝
内容提要
AI Gateway现已支持音频和语音功能，包括实时语音、文本转语音和语音转文本。用户可以通过AI SDK 7使用这些功能，确保安全和便捷。
🎯
关键要点
-
AI Gateway现已支持音频和语音功能，包括实时语音、文本转语音和语音转文本。
-
用户可以通过AI SDK 7使用这些功能，确保安全和便捷。
-
实时语音功能允许用户与应用进行对话，模型可以即时响应用户的语音。
-
文本转语音功能可以将文本生成音频，支持多种声音和输出格式。
-
语音转文本功能可以将录音转录为文本，支持多种音频输入格式。
-
所有音频调用都通过AI Gateway进行，用户可以使用同一个API密钥管理不同的服务。
🔎
延伸解读
实时语音的应用场景
实时语音功能使得用户可以与应用进行自然对话，适用于客服、语音助手等场景。与传统的文本输入相比，语音交互更为便捷，能够提升用户体验，尤其在需要快速反馈的情况下。
文本转语音与语音转文本的互补性
文本转语音和语音转文本功能可以相辅相成，用户可以先生成音频，再进行转录，快速验证内容的准确性。这种组合使用在内容创作和语音备忘录等领域具有重要意义。
安全性与便捷性的结合
通过AI Gateway进行音频调用时，用户的API密钥不会暴露在客户端，确保了安全性。同时，统一的API管理使得开发者在集成多种功能时更加便捷，降低了开发复杂度。
❓
延伸问答
AI Gateway支持哪些音频和语音功能？
AI Gateway支持实时语音、文本转语音和语音转文本功能。
如何使用AI SDK 7实现实时语音功能？
用户可以通过AI SDK 7使用实时语音功能，允许与应用进行即时对话。
文本转语音功能的主要用途是什么？
文本转语音功能可以将文本生成音频，适用于语音响应和音频版本的内容。
语音转文本功能如何工作？
语音转文本功能可以将录音转录为文本，支持多种音频输入格式。
AI Gateway如何确保音频调用的安全性？
所有音频调用通过AI Gateway进行，使用API密钥管理不同服务，确保安全性。
实时语音功能与传统模型调用有什么不同？
实时语音功能允许用户即时对话，模型可以立即响应，而传统模型需要经过多个步骤处理。
🏷️
