OpenAI在API推出GPT-Live-1语音模型，支持同时听说，简化语音代理架构并降低延迟。该模型具备打断处理、推理与工具调用委托、语气节奏定制、静音与背景噪音管理、长会话可靠性及电话支持。全双工基准性能提升30个百分点，客户反馈代码减少80%，定价为每分钟0.05美元。

Phonely推出专为语音代理设计的AI模型Alma，基于千万真实电话训练，响应速度快于GPT-4.1且成本更低。该模型能识别对话中断并自我改进，提升自然度，兼容现有技术，已应用于数百万电话，现可供开发者使用。

AI Gateway现已支持语音和音频模型，用户可以实时构建语音代理、将文本转换为语音以及进行音频转录。这些功能在测试阶段，提供与文本、图像和视频模型相同的可观察性和费用控制，用户可通过AI SDK 7实现低延迟的实时对话。

本文介绍了构建生产就绪的语音代理架构，包括浏览器客户端、后端令牌服务和安全的代理运行时。重点在于利用WebRTC实现低延迟音频传输，并确保系统的安全性和可观察性。文章详细阐述了项目设置、后端令牌生成、客户端连接、工具集成和通话后处理的步骤，强调了安全性、可靠性和可观察性的重要性。

Inworld AI 推出了 TTS-1.5，显著提升了实时语音代理的延迟和质量。Max 型号音频延迟低于 250 毫秒，Mini 型号低于 130 毫秒，性能和稳定性分别提高 30% 和 40%。该系统支持 15 种语言，并提供语音克隆功能，定价合理，适合高使用率产品。

本文介绍了一套新的AI元素组件，旨在与AI SDK的转录和语音功能配合使用。主要组件包括Persona（动画AI视觉）、SpeechInput（语音输入）、Transcription（音频转录）、AudioPlayer（音频播放）、MicSelector（麦克风选择器）和VoiceSelector（语音选择器），提升语音代理和转录服务的构建体验。

该项目优化了Silero VAD的推理，性能提升约2.5倍，内存占用降低。引入新playbook，简化语音代理流程，支持SIP和LLM流式输出，适用于语音通话，延迟在800ms以内。

企业云通信公司Bandwidth宣布支持OpenAI的Realtime API，集成语音呼叫与SIP，允许企业使用基于GPT的对话式AI语音代理，增强其“自带AI”战略，客户可通过多种集成选项构建AI应用，提升通信能力。

该课程在freeCodeCamp.org YouTube频道上发布，由Cerebras工程师Sarah Chieng及行业专家主讲，教授构建AI代理应用，包括语音代理、智能研究助手和多代理工作流，适合初学者，提供示例代码和实践练习。

OpenAI发布了实时API，支持远程MCP服务器、图像输入和SIP电话呼叫，提升了语音代理能力。新模型gpt-realtime在理解复杂指令和生成自然语音方面表现出色，并推出了两种新声音。API优化了可靠性和低延迟，适合生产环境。

德国自动电话语音AI平台Synthflow AI完成2000万美元A轮融资，旨在推动AI语音代理应用。该公司成立于2023年，提供无代码平台，帮助企业创建和部署语音代理，满足多种业务需求。新资金将用于国际扩张和产品开发。

2025年3月20日，推出新一代音频模型，提升语音代理的智能和交互能力。新模型具备更精准的语音转文本和文本转语音功能，适用于客户服务和创意叙事等场景，开发者可定制语音风格，增强用户体验，且在多语言环境中表现优异。

本文介绍了由Pipecat和NVIDIA NIM支持的对话式AI语音代理蓝图，展示了如何构建先进的代理体验。Pipecat是一个开源的实时AI代理框架，支持多种AI用例，提供灵活的开发和部署选项，帮助开发者快速启动语音代理，提升对话体验。

微软为Dynamics 365联络中心推出支持26种语言的多语言语音代理，能够根据客户输入自动切换语言，简化维护、降低成本并提升客户满意度。该功能与Microsoft CCaaS平台的其他自主代理协作，增强自动化效率。