Jak agent głosowy może rozpoznać, kiedy go rzeczywiście przerywasz? VAD jest zbyt wrażliwy—śmiechy, „mm-hmm” lub kichnięcie nie powinny zatrzymywać agenta. Wytrenujemy model audio do adaptacyjnego zarządzania przerwami, aby agenci mogli odróżniać prawdziwe przerwy od hałasu.

API Text to Speech Grok jest teraz dostępne w LiveKit Inference. Naturalne, ekspresyjne głosy z niską latencją. Wiele języków w ponad 20 językach. Gotowe do użycia w telekomunikacji i produkcji od razu. Jedno klucz API. Brak dodatkowej konfiguracji. →

LiveKit obchodzi dzisiaj 5. urodziny. To, co zaczęło się jako projekt open source, teraz wspiera ponad 300 tys. deweloperów, ponad 5 tys. klientów i miliardy połączeń w zakresie głosu, wideo i fizycznych agentów AI. Następnie: budowanie infrastruktury dla obliczeń opartych na głosie. Dziękujemy naszej społeczności za 5 niesamowitych lat.