tag: Voice Agent

MonsterHouse คือโปรเจกต์ฉายภาพโต้ตอบสำหรับวันฮาโลวีนที่ใช้ขุมพลังจาก NVIDIA Nemotron Voice Agent เพื่อเปลี่ยนบ้านให้เป็นโจรสลัดขี้บ่นที่คุยกับเด็กๆ ได้แบบเรียลไทม์

Mistral AI เปิดตัว Voxtral 3 ชุดโมเดลภาษาสำหรับสร้างเอเยนต์เสียงที่ฟัง คิด และพูดได้แบบเรียลไทม์ รองรับกว่า 50 ภาษา และเชื่อมต่อเครื่องมือภายนอกได้ทันที

เรียนรู้วิธีพัฒนา voice agent ให้คุยลื่นไหลไม่เงียบหายด้วยเทคนิค streaming tools และ non-blocking function calls ผ่าน ADK และโมเดล Gemini 3.8 Live

ElevenLabs เปิดตัวโมเดลเสียงรุ่นใหม่ Eleven v4 ที่แสดงอารมณ์และรักษาความสม่ำเสมอของเสียงในเนื้อหายาวได้ดียิ่งขึ้น พร้อมส่งรุ่น Turbo ตอบสนองเร็วเพียง 150 มิลลิวินาที หวังเจาะกลุ่ม AI voice agents แบบเรียลไทม์

ทีม Qwen ของ Alibaba เปิดตัวโมเดลเสียงแบบ Full-Duplex รุ่นใหม่ที่สามารถใช้เหตุผล เรียกใช้เครื่องมือ และตัดสินใจจังหวะการพูดได้เอง พร้อมลดราคาค่าบริการ API สูงสุดถึง 95% บน QwenCloud

Google เปิดตัว Gemini 3.8 Live และรุ่น Extended Thinking โมเดลบทสนทนาเสียงแบบ Real-time ที่รองรับการรัน API เบื้องหลังและประมวลผลภาพสดพร้อมกัน พร้อมรองรับถึง 97 ภาษา

สรุปกระบวนการสร้างเอเจนต์ AI ควบคุมด้วยเสียง ตั้งแต่การถอดความสตรีมมิ่ง การตรวจจับรอบสนทนา ไปจนถึงการจัดการระบบพูดแทรก เพื่อมอบประสบการณ์การสื่อสารที่เป็นธรรมชาติและลดความหน่วง