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
←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
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
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
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
Meta为Muse应用推出语音与表情虚拟形象
Meta于2026年11月6日宣布,在Muse应用中推出语音和表情虚拟形象功能。用户点击右上角电话图标即可开始实时对话,并可在对话中打断。该功能先在美国上线,覆盖移动端、网页和Mac,提供数百种声音可选,虚拟形象会随对话做出表情和手势。Meta表示,语音对话还将登陆AI Glasses和Muse Charm,相关技术为Muse Realtime Avatar与Muse Realtime Voice。
匹配字段标题
Muse推出语音功能Voice
Meta于2026年11月6日宣布,在Muse应用中推出语音和表情虚拟形象功能。用户点击右上角电话图标即可开始实时对话,并可在对话中打断。该功能先在美国上线,覆盖移动端、网页和Mac,提供数百种声音可选,虚拟形象会随对话做出表情和手势。Meta表示,语音对话还将登陆AI Glasses和Muse Charm,相关技术为Muse Realtime Avatar与Muse Realtime Voice。
匹配字段标题
Hugging Face发布端侧语音模型Phonon
2026年11月5日,Hugging Face发布端侧TTS模型Phonon,提供约65 MB和75 MB两个尺寸,覆盖英语、法语、德语、西班牙语和葡萄牙语,内置100多个音色。其中Phonon 31m仅支持英语,以Apache 2.0开源,可用于商业产品;Phonon 40m覆盖五种语言,采用非商业许可。官方称Phonon在Open TTS Leaderboard的德语和西班牙语可懂度排名第一,并在CPU流式首包延迟基准上领先,配套推理框架ptts支持CPU、GPU和NPU等10余种后端。同日,Unite.AI报道称,Gradium发布技术跟进说明,称Phonon上线两周下载量超过20万次,并给出95分位CPU首音延迟数据:Phonon 31m英语为28毫秒,Phonon 40m英语为38毫秒,Pocket TTS为165毫秒;该报道还称开放权重于10月20日发布。
匹配字段标题
Hugging Face发布端侧语音模型Phonon
2026年11月5日,Hugging Face发布端侧TTS模型Phonon,提供约65 MB和75 MB两个尺寸,覆盖英语、法语、德语、西班牙语和葡萄牙语,内置100多个音色。其中Phonon 31m仅支持英语,以Apache 2.0开源,可用于商业产品;Phonon 40m覆盖五种语言,采用非商业许可。官方称Phonon在Open TTS Leaderboard的德语和西班牙语可懂度排名第一,并在CPU流式首包延迟基准上领先,配套推理框架ptts支持CPU、GPU和NPU等10余种后端。同日,Unite.AI报道称,Gradium发布技术跟进说明,称Phonon上线两周下载量超过20万次,并给出95分位CPU首音延迟数据:Phonon 31m英语为28毫秒,Phonon 40m英语为38毫秒,Pocket TTS为165毫秒;该报道还称开放权重于10月20日发布。
匹配字段标题
Clerk AI采用LiveKit支撑企业级语音智能体
2026年11月4日,LiveKit产品与工程博客发布文章,介绍Clerk AI采用LiveKit开源框架与LiveKit Cloud支撑企业级语音智能体。文章称,Clerk AI借助LiveKit的开源框架和全球边缘网络,将企业语音智能体扩展到1,000+并发通话且无需预配置,响应时间低于500ms。其ScreenSense在Apple和Android设备上的来电筛选检测准确率达97%,TrueReach语音信箱检测准确率超过98%。平台原生支持30+语言并可在对话中自动切换,已获SOC 2 Type II认证并内置TCPA合规能力。目前尚无后续发展事实。
匹配字段标题
Clerk AI采用LiveKit支撑企业级语音智能体
2026年11月4日,LiveKit产品与工程博客发布文章,介绍Clerk AI采用LiveKit开源框架与LiveKit Cloud支撑企业级语音智能体。文章称,Clerk AI借助LiveKit的开源框架和全球边缘网络,将企业语音智能体扩展到1,000+并发通话且无需预配置,响应时间低于500ms。其ScreenSense在Apple和Android设备上的来电筛选检测准确率达97%,TrueReach语音信箱检测准确率超过98%。平台原生支持30+语言并可在对话中自动切换,已获SOC 2 Type II认证并内置TCPA合规能力。目前尚无后续发展事实。
匹配字段标题
Edge0发布0.6B语音克隆TTS模型Audio8-TTS-Realistic
2026年10月30日,Edge0发布开源权重语音克隆TTS模型Audio8-TTS-Realistic。据MarkTechPost报道,该模型参数规模为601M,支持23种语言,权重与代码以Apache 2.0发布。模型只需1段参考音频及对应文本即可零样本克隆音色,也可在无参考音色时直接生成语音。自报结果显示,其在CV3九语言上平均错误率为4.86%,低于Qwen3-TTS-1.7B的7.73%;但在MiniMax基准上落后于4B级模型,泰语WER达48.57%。目前尚无后续进展。
匹配字段标题
Edge0发布0.6B语音克隆TTS模型Audio8-TTS-Realistic
2026年10月30日,Edge0发布开源权重语音克隆TTS模型Audio8-TTS-Realistic。据MarkTechPost报道,该模型参数规模为601M,支持23种语言,权重与代码以Apache 2.0发布。模型只需1段参考音频及对应文本即可零样本克隆音色,也可在无参考音色时直接生成语音。自报结果显示,其在CV3九语言上平均错误率为4.86%,低于Qwen3-TTS-1.7B的7.73%;但在MiniMax基准上落后于4B级模型,泰语WER达48.57%。目前尚无后续进展。
匹配字段标题
AssemblyAI推出首款文本转语音模型AssemblyAI-TTS-1
2026年10月29日,AssemblyAI推出首个文本转语音模型AssemblyAI-TTS-1并正式开放,面向实时电话语音智能体,定价为每100万字符15美元,不设年度合同和并发档位。据MarkTechPost报道,该模型仅以托管API形式在us-east-1和eu-north-1提供,支持HTTP、WebSocket和OpenAI兼容接口,内置4000多种音色、即时声音克隆和6种语言;厂商自测显示实体准确率93.7%、首字节中位延迟47毫秒,但Cekura独立基准测得流式延迟159毫秒、朗读准确率81.5%,且发布时尚不支持SSML、语速控制和情感标签。同日,Artificial Analysis的Provider Voice Arena评测显示,AssemblyAI-TTS-1以Elo 1227排名第12,发音鲁棒性得分81.7%排名第16,生成速度为每秒162字符。当天晚些时候,OpenRouter宣布AssemblyAI-TTS-1已上线,面向语音智能体场景,可从美国或欧盟节点提供服务。
匹配字段标题
Rime发布语音到语音模型Prism
Rime发布面向AI语音智能体的语音到语音模型Prism。据Testing Catalog报道,Prism在开口前先把每条回复写成文本,企业可以编辑转写内容并拦截智能体不该说的话。该模型同时保持通话不中断,并能在对话中查询账户或冻结卡片。Rime称没有其他语音到语音模型采用这种方式,因此Prism更适合银行等受监管企业。目前尚无后续发展信息。
匹配字段标题
Perplexity Mac与网页版语音模式改用gpt-live-1
Perplexity宣布,其Mac应用和网页版的语音模式现已改用OpenAI的gpt-live-1模型。据Testing Catalog报道,用户还可在Perplexity Computer上运行多个会话,并管理任务和Projects;发帖者表示语音是自己最喜欢的交互界面。9to5Mac报道称,此次升级使Mac应用语音模式可在一次语音会话中同时处理多个Computer会话、启动新任务并创建管理Projects。目前没有更多后续发展。
匹配字段标题
Perplexity Mac与网页版语音模式改用OpenAI的gpt-live-1
Perplexity宣布,其Mac应用和网页版的语音模式现已改用OpenAI的gpt-live-1模型。据Testing Catalog报道,用户还可在Perplexity Computer上运行多个会话,并管理任务和Projects;发帖者表示语音是自己最喜欢的交互界面。9to5Mac报道称,此次升级使Mac应用语音模式可在一次语音会话中同时处理多个Computer会话、启动新任务并创建管理Projects。目前没有更多后续发展。
匹配字段标题
Artificial Analysis将Phonic 1评为语音到语音指数第一
Artificial Analysis 的评测显示,Phonic 的 Phonic 1(High)在 Speech to Speech Index 的 22 个模型中以 87.1 分排名第一,以微弱优势领先 xAI 的 Grok Voice 3.0(86.9 分)。同一评测中,Phonic 1 在 Tau Voice 智能体任务上以 79.9% 排名第一,领先第二名 5.4 个百分点;Big Bench Audio 以 98.9% 排第三,首音频延迟为 0.61 秒。Phonic 1 通过 Phonic API 提供,输入音频成本为每分钟 0.07 美元、每小时 4.20 美元。另有报道称,Phonic 是一家 10 人创业公司,其称 Phonic-1 可在通话者尚未说完时执行查询和预订;该报道还提到,Phonic 称其在 Cekura 通话测试集得 90.2 分,而 Cekura 公开榜单列出的 Phonic v1 为 68.3%。
匹配字段标题
Artificial Analysis将Phonic 1评为语音到语音指数第一
Artificial Analysis 的评测显示,Phonic 的 Phonic 1(High)在 Speech to Speech Index 的 22 个模型中以 87.1 分排名第一,以微弱优势领先 xAI 的 Grok Voice 3.0(86.9 分)。同一评测中,Phonic 1 在 Tau Voice 智能体任务上以 79.9% 排名第一,领先第二名 5.4 个百分点;Big Bench Audio 以 98.9% 排第三,首音频延迟为 0.61 秒。Phonic 1 通过 Phonic API 提供,输入音频成本为每分钟 0.07 美元、每小时 4.20 美元。另有报道称,Phonic 是一家 10 人创业公司,其称 Phonic-1 可在通话者尚未说完时执行查询和预订;该报道还提到,Phonic 称其在 Cekura 通话测试集得 90.2 分,而 Cekura 公开榜单列出的 Phonic v1 为 68.3%。
匹配字段标题
Rime发布语音模型Prism
Rime发布面向AI语音智能体的语音到语音模型Prism。据Testing Catalog报道,Prism在开口前先把每条回复写成文本,企业可以编辑转写内容并拦截智能体不该说的话。该模型同时保持通话不中断,并能在对话中查询账户或冻结卡片。Rime称没有其他语音到语音模型采用这种方式,因此Prism更适合银行等受监管企业。目前尚无后续发展信息。
匹配字段标题