Vapi 如何用语音 AI 分析提升保险科技的反欺诈检测
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
←搜索结果
搜索“语音”
Vapi 推出 Tools 集成：用语音指令触发 GHL 工作流与 Make 场景
Vapi 在 Launch Week 期间推出 Tools 集成，可将已有的 GHL 工作流和 Make 场景导入 Vapi 并作为 Tools 添加到语音助手中，通过语音指令触发这些自动化流程。用户可在 Vapi 控制台的 Tools 板块完成导入与配置，实现日程安排、CRM 更新、发送邮件等操作。
匹配字段标题、摘要
Cartesia 发布低延迟语音模型 Sonic
Cartesia 发布低延迟语音模型 Sonic，模型延迟为 135ms，可生成逼真语音。该模型基于状态空间模型架构，在实验中相比 Transformer 实现将时间到首音频延迟降低 1.5 倍、实时因子降低 2 倍、吞吐量提高 4 倍，并提供 Web playground 和低延迟 API。
匹配字段标题、摘要
Vapi 语音 AI 性能优化技巧与策略
Vapi 官方博客给出语音 AI 助手性能优化清单：在 Advanced 设置中把默认 0.1 秒的 Response Delay 和 LLM Request Delay 调为零，模型上 OpenAI 的 GPT-3.5 明显快于 GPT-4，转写推荐 Deepgram 而非 Talk Scribe，语音供应商中 Rhyme AI 与 Azure 响应最快。此外应减少自定义函数调用、让 transient 助手服务器与 Vapi 同区域部署，并通过精简提示词结构降低延迟。
匹配字段标题、摘要
Sam Altman 谈 GPT-4o 的免费开放与语音视频交互
OpenAI 将 GPT-4o 免费提供给 ChatGPT 用户，并推出具有人类级响应速度和表现力的新语音及视频模式。Sam Altman 表示，这种交互快速、自然且实用，未来还将加入可选的个性化、信息访问和代用户执行操作等能力。
匹配字段标题、摘要
SRT 文件指南：如何创建、编辑和打开 SRT 字幕文件
SRT 是一种纯文本字幕格式，用编号块把字幕文本与起止时间戳配对，大多数视频播放器和剪辑软件都能原生支持。每个块包含序号、HH:MM:SS,mmm 格式的时间戳和字幕文本，块之间以空行分隔。ElevenCreative 可通过自动语音转文字流程为纯文本生成时间戳，把 TXT 转成 SRT。
匹配字段摘要、正文
Google Vids 接入 Omni 1.2 Flash，可免费生成 15 秒视频
Google Vids 现已运行在 Google 最新的视频生成模型 Omni 1.2 Flash 上，任何拥有 Google 账号或 Google Workspace 订阅的用户每月可免费生成最多三条 15 秒视频。新模型支持一次性生成产品宣传片、用参考图保持角色与场景一致，并改进了语音旁白。用户可在 vids.new 试用。
匹配字段摘要、正文
Henry Cavill 用 Googlebook 打造 16-bit 游戏《Mustache Protocol》
演员 Henry Cavill 用 Googlebook 的内置 AI 工具 Antigravity 和 Rambler，把口头创意变成可玩的 16-bit 游戏《Mustache Protocol》。Antigravity 可将自然语言提示词转为游戏机制，Rambler 负责语音转文字整理思路，Magic Pointer 用于选取和组合画面元素，Continue On 支持在 Android 手机与 Googlebook 之间无缝切换。游戏完成后上线，11 月期间每次游玩 Google 会向 Movember 捐赠 $11，上限 $500,000，用于男性心理健康、自杀预防、前列腺癌和睾丸癌相关项目。
匹配字段摘要、正文
ElevenAgents 原生集成 NiCE CXone、Genesys Cloud、Amazon…
ElevenLabs 宣布 ElevenAgents 原生集成 NiCE CXone、Genesys Cloud、Amazon Connect 和 Five9 四个呼叫中心平台，其他平台可通过 SIP 中继接入。智能体在现有呼叫流程中完成来电人验证、改约或报案等任务，并把结果写回 CRM，转人工时携带完整上下文。该语音栈由 ElevenLabs 自研音频模型组成，提供超过 17,000 种声音、90 多种语言。
匹配字段摘要、正文
ChatGPT Voice 接入 Finances 功能
ChatGPT 宣布 ChatGPT Voice 已接入 Finances 功能，用户可通过 Finances 安全连接账户，再用语音讨论支出、储蓄等财务问题。官方给出了试用链接。
匹配字段摘要
什么是通话转录？面向企业的实用指南
通话转录是把电话或视频通话转成文字记录，多数情况下由 AI 模型自动完成，可在通话中实时转录或录音后批量转录。流程包括采集音频、语音转文字、加时间戳与说话人标签，最终生成可搜索的文本，并可用于质检、合规存档和 CRM 记录。ElevenAgents 构建的语音 AI 智能体会随每次对话保存转录文本。
匹配字段摘要、正文
Pydantic AI 对比 2026 年九款 Python 智能体框架
Pydantic AI 官方发布 2026 年 Python AI 智能体框架对比，按模型可切换性、崩溃后持久执行、人工审批、前端与语音接入、MCP 和可观测性等标准逐项评估九款框架，并给出各自适用场景。文章称 Pydantic AI 支持 30+ 模型提供商、8 个持久执行引擎（Temporal、DBOS、Prefect、Restate、AWS Lambda、Absurd、pgtask、Apache Airflow）、5 家语音到语音提供商和 10 个沙箱，同时说明其仅支持 Python、不提供托管平台，检索类集成少于 LangChain。对比还覆盖 LangGraph/LangChain、OpenAI Agents SDK、Google ADK、Microsoft Agent Framework、Strands Agents、CrewAI、Claude Agent SDK 和 Agno，并单列 LiveKit Agents 与 Pipecat 两款语音框架。
匹配字段摘要、正文
KPN 与 ElevenLabs 如何用 Mobiel AI 服务创业者
荷兰最大电信运营商 KPN 与 ElevenLabs 合作，将语音 AI 引入面向中小企业主的 Mobiel AI 助手，提供语音信箱转写、通话摘要与自动跟进、来电菜单路由等功能。双方通过补充荷兰语数据并微调转写模型，将验证准确率从约 50% 提升到 90%。Mobiel AI 运行在 KPN 自有数据中心，语音数据留在荷兰，客户数据不用于训练模型。
匹配字段摘要、正文
TELUS Digital 如何用 ElevenAgents 外呼智能体将早期退订减少一半以上
TELUS Digital 基于 ElevenAgents 构建外呼语音智能体，主动致电新开通家庭互联网的客户，使接到电话客户的 30 天退订率不到整体新客户的一半。该智能体可完成 AI 身份披露、首期账单讲解、自助工具引导和捆绑折扣提醒，并能在通话中通过短信验证码认证客户、经 API 读取实时账单数据。TELUS Digital 在 2025 年 11 月至 2026 年 2 月按语音表现力、智能体框架灵活性、实时情绪调节、企业安全合规和响应延迟五项标准评估后选择了 ElevenAgents。
匹配字段摘要、正文
极米记得开售 AI 记忆眼镜 G1 与记忆手环 L1，599 元起
极米记得 AI 记忆眼镜 G1 与 AI 记忆手环 L1 于 10 月 28 日正式开售，手环 L1 标准版售价 599 元，眼镜 G1 标准版首发价 1299 元。两款设备共用极米记得 App 与同一套 AI 记忆服务，开机即录，可将日常交流转写并自动生成会议纪要、待办事项和生活卡片。数据管理上采用只留文字不留原音的方式，语音转写完成后删除原始音频，并支持设置免录时段和隐私禁词。
匹配字段摘要、正文
Neuralink 将 Grok 接入大脑，渐冻症患者用意念操控 AI 并拨通电话
Neuralink 公布最新进展，渐冻症患者 Kenneth 在脑中默念「Hey Neuralink」并说出任务，即可唤醒电脑上的 Grok Agent 自主执行操作。团队在受试者家中进行 72 小时开发，产出 8 项技术原型，包括无需手动开关的神经语音活动检测、系统级脑机输入法 BCI Keyboard Dictation 和手机应用 Bloom。Kenneth 还通过脑机解码的语音接入 iPhone 通话音频流，时隔七年用意念给妻子拨通电话。
匹配字段摘要、正文
Joy 发布 10 万小时双轨真实对话数据集，覆盖 10 种语言
Shobhit Banga 发布双轨对话数据集 Joy，包含 10 万小时真实、非脚本化的双人对话，每人在独立音轨，覆盖 5 万名说话人和 10 种语言。Rohan Paul 指出，当前语音 AI 主要用 LLM 编写、TTS 朗读的虚假对话训练，听不到人们互相抢话，他对这些对话如何维持 10 到 20 分钟感到好奇。
匹配字段摘要、正文
ChatGPT 的 dot 现已支持短信交互
ChatGPT 宣布，用户现在可以通过 iMessage 或 RCS 给 dot 发短信，用文字、照片或语音留言派任务，dot 也会主动发消息汇报进展。该功能目前以预览形式向美国 Pro 用户推送。Tibo 在转发时补充说，可以像给普通人发短信一样给 dot 发消息，方便转发分享，还能用“Hey Siri, text Iggy to <任意请求>”这种方式让它执行任务。
ChatGPT 宣布，用户现在可以通过 iMessage 或 RCS 给 dot 发短信，用文字、照片或语音留言派任务，dot 也会主动发消息汇报进展。该功能目前以预览形式向美国 Pro 用户推送。Tibo 在转发时补充说，可以像给普通人发短信一样给 dot 发消息，方便转发分享，还能用“Hey Siri, text Iggy to ”这种方式让它执行任务。
匹配字段摘要、正文
AssemblyAI-TTS-1 上线 OpenRouter
OpenRouter 宣布 AssemblyAI 的首个文本转语音模型 AssemblyAI-TTS-1 已上线，面向语音智能体场景。据 cekuraAi 的基准测试，该模型在速度与准确率上处于最佳象限，在 $15/1M 字符及以下的模型中自然度最高，提供 4,000+ 种音色，可从美国或欧盟节点提供服务。
匹配字段摘要、正文
Google 发布 EmbeddingGemma 2 论文，744M 参数端侧多模态嵌入模型
Google 发布 EmbeddingGemma 2 论文，这是一个 Apache 2.0 许可的端侧多模态嵌入模型，把文本、代码、图像、音频和视频映射到同一向量空间。模型基于 Gemma 4 构建，通过向更大的 Gemini Embedding 2 学习并用对比训练调优，744M 参数规模在多项任务上超过大 2 至 12 倍的模型。在 Pixel 11 Pro 上，量化后的文本权重占用约 191MB 活跃内存，完整多模态模型约 567MB，上下文窗口扩大 4 倍至 8K tokens，可容纳约 5.5 分钟音频、29 张图像或 58 帧视频；直接嵌入语音在 MSEB 口语查询检索基准上得分 69.54，高于先转写再检索的 57.59，代码检索在 MTEB Code 上从 EmbeddingGemma 1 的 68.76 提升到 78.68。
匹配字段摘要、正文