Vapi 推出 Vapi CLI，让开发者无需离开终端即可控制语音 AI 基础设施，所有仪表盘功能均可通过命令调用。其中 vapi init 可自动识别 React、Vue、Next.js、Python、Go、Flutter、React Native 等技术栈并安装对应 SDK、生成代码示例；vapi mcp setup 为 Cursor、Windsurf、VSCode with Copilot 等 IDE 接入 MCP，避免 AI 幻觉出不存在的 Vapi API。CLI 还支持本地调试 webhook，无需 ngrok 隧道，现已可用。
匹配字段标题、摘要
Vapi 博客盘点了 Azure 之外的 8 个语音 AI 语音转文本（STT）替代方案：Gladia、AssemblyAI、Deepgram、Cartesia、Talkscriber、OpenAI、Speechmatics 和 Elevenlabs。这些提供商均原生支持 Vapi，开发者只需修改一个 JSON 参数即可切换模型进行测试。其中 Gladia 端到端延迟低于 100 ms，AssemblyAI 新模型在开放域英语基准上词准确率达 90–95%，Deepgram 提供低于 300 毫秒延迟的定制模型。
匹配字段标题、摘要
Vapi 发布教程，介绍如何在 Vapi 平台选择 Grok 3 构建企业语音智能体。Grok 3 是 xAI 的推理模型，具备 100 万 token 上下文窗口、Think 模式与多模态能力，在 AIME 2025 得 60%、GPQA 79.1%、LiveCodeBench 65.5%，MMLU 0.799。定价为每百万 token 输入 $3、输出 $15，快速版 $5/$25，但 API 上下文窗口实际限制为 131,072 token，且不支持原生音频处理。
匹配字段标题、摘要
Vapi 在博客中拆解语音 AI 的多轮对话能力：每轮交互都基于此前内容，需要上下文保留、指代消解、动态对话流和错误恢复四项核心能力。文中称采用上下文感知 AI 的企业满意度分数提升 60%、流失率下降 30%，并给出分层记忆、槽位填充、追问提示和错误处理等实现要点。
匹配字段标题、摘要
Cartesia 推出 Ink 系列流式语音识别模型，首发 Ink-Whisper 基于 OpenAI Whisper 优化，面向实时语音智能体。Ink-Whisper 在背景噪声、专有名词、口音等场景下 WER 优于 whisper-large-v3-turbo，并实现最低 TTCT，价格为 1 credit/秒（Scale 计划 $0.13/小时）。
匹配字段标题、摘要
Vapi 发布 Vapi Workflows，一个用于设计多步对话流程的可视化编排平台，可通过 API 或可视化构建器配置。每个工作流由 Conversation、API Request、Transfer Call、Tool、End Call 等节点组成，支持按节点切换语音、模型或语言，提取并跨流程传递变量，用全局跳转节点转接人工，按逻辑或 AI 条件路由对话，以及实时调用 API 并处理响应。产品团队可可视化绘制流程，开发者用 API 接入真实逻辑，并可在通话模拟器中测试。
匹配字段标题、摘要
Vapi 博客列举语音 AI 在物流领域的三个落地案例：ShipEX 用 Dialpad 为 350 辆卡车调度提供语音智能，自动发送维护告警和事故报告；Idaho State Liquor Division 部署语音拣货系统，拣货率提升 35%；技术人员可通过语音智能体上报设备问题并自动在 CMMS 生成工单。文章称企业通常可在 12-18 个月内从运营节省中收回实施成本。
匹配字段标题、摘要
LPCNet 是一种可在低功耗 CPU 上实时运行、无需 GPU 的神经声码器，实时语音合成仅需 3 GFLOPS，模型体积 1.3 MB，单核 CPU 即可实时运行。它在 MOS 测试中稳定超过 4.0 分，比 MELP、AMR-WB 等轻量方案高 0.2 至 0.5 分。该技术由 Jean-Marc Valin 和 Jan Skoglund 于 2019 年提出，适合移动端、IoT 与实时通信等资源受限场景。
匹配字段标题、摘要
Vapi 通过传统算法与 AI 模型结合的降噪方案，让语音智能体在真实噪声环境下保持清晰识别，支持超过 100 种语言。其降噪能力可提升语音转文字准确率、减少用户重复表达，并降低噪声引发的模型幻觉；开发者还可通过“Bring Your Own Model”接入自定义降噪模型。
匹配字段标题、摘要
Vapi 盘点了 Vosk 在医疗语音识别场景下的五个替代模型：Mozilla DeepSpeech、Wav2Vec 2.0、SpeechBrain、ESPnet 和 OpenAI Whisper，其中 Whisper 基于 68 万小时多语言监督数据训练。这五个模型均可通过自定义 STT 配置接入 Vapi 的语音 AI 流水线，由 Vapi 负责编排、延迟与 HIPAA 合规。文章按医学术语理解、噪声环境、减轻医护负担和安全性四项标准评估各模型。
匹配字段标题、摘要
Vapi 与 Coval 达成合作，开发者可在真实通话上线前用 Coval 对 Vapi 工作流进行模拟和压力测试。该集成支持跨 Vapi 工作流运行自动化测试，追踪延迟、任务完成率和流程准确率，并在影响线上流量前捕获回归问题。
匹配字段标题
Cartesia 推出专业语音克隆（PVC），基于 Sonic 模型微调，可复刻音色、节奏、风格和环境。PVC 现已在 Startup 及以上套餐自助提供，支持 15 种语言，可通过 Playground 或 API 创建。
匹配字段标题、摘要
Vapi 宣布其语音 AI 智能体现已支持 SMS，可在通话中发送外呼短信、实时接收并回复来信，并在用户停止说话转为打字时从语音切换到文本。该功能通过导入 Twilio 号码并在 Vapi Dashboard 创建 Send Text 工具启用，美国用户需注册 A2P 10DLC 或验证 toll-free 号码。Vapi 表示后续将支持更多服务商、MMS 富媒体、自动消息模板及跨语音与文本的多渠道对话历史。
匹配字段标题、摘要
Deepgram 最新 TTS 模型 Aura-2 已在 Vapi 上线，用户可在配置中把 TTS 提供商切换为 deepgram-aura-2，无需额外集成。Aura-2 基于真人对话数据训练，首字节延迟低于 150ms，并针对医疗、金融、物流、客服等场景优化了发音准确度与情感语调。
匹配字段标题
Cartesia 宣布完成由 Kleiner Perkins 领投的 6400 万美元 A 轮融资，并发布语音生成模型 Sonic 2.0。Sonic 2.0 基于新的状态空间模型架构，规模是前代两倍，全模型延迟 90ms、turbo 40ms，在 100 个保留声音的盲测中偏好度是次优提供商的 1.5 倍。同时推出 Voice changer 和 Infill 两个新端点，API 提供 99.9% 可用性并支持实时本地与端侧部署。
匹配字段标题、摘要
Vapi 宣布集成 Cartesia 的 Sonic 2.0 语音生成模型，基于状态空间模型架构，turbo 模式下延迟低至 40ms，并提供 voice changer 与 infill 等新端点。该集成支持 99.9% 可用性、SOC-2 与 HIPAA 合规，以及本地和端侧部署，用户可在 Vapi 控制台的语音提供商下拉菜单中选择 Cartesia Sonic 2.0。
匹配字段标题、摘要
Cartesia 发布教程，介绍如何用其 API 与 Sonic 模型构建语音 AI 智能体。工作流包括语音转文本、自然语言处理、信息检索、响应生成和文本转语音。教程建议使用 WebSocket 或流式端点以降低延迟，并提到可用 Whisper API 或 Google Speech to Text 等做语音识别，用 Claude Sonnet 或 OpenAI O1/4O 生成响应。
匹配字段标题、摘要
Cartesia 发布 2024 语音 AI 现状报告，总结语音交互新架构、企业级 API 进展与语音代理平台兴起。报告指出，OpenAI 语音模式、Kyutai Moshi 等推动语音到语音模型发展，Cartesia 基于状态空间模型的 Sonic TTS 实现高效部署。Deepgram Nova-2 词错率降低 30%，LLM 成本从 GPT-4 的 45 美元/百万 tokens 降至 Llama 3.1 70B 的 2.75 美元/百万 tokens。
匹配字段标题、摘要
Cartesia 在 2024 年 10 月举办多场黑客松，吸引 2000 多名开发者，发放 2 万美元奖金，50 多个项目基于 Sonic 语音模型构建语音优先应用。获奖项目包括 Form Wizard Pro、Story Narrator AI、SheBeTalking、SpeakEasy 等，覆盖表单、教育、游戏、机器人等场景。
匹配字段标题、摘要
Vapi 的语音 AI 助手可在客户通话中实时分析语音模式、语调和说话特征，识别故事前后矛盾、异常压力模式或操纵对话等欺诈信号，并标记可疑通话供进一步调查。该技术还能与理赔历史、保单持有人信息等数据源结合，通过跨通话分析发现团伙欺诈或惯犯，减少误报。FBI 估计非健康险类保险欺诈每年造成超过 400 亿美元损失。
匹配字段标题、摘要