voice-agents

语音代理代表了人工智能交互的前沿——人类与AI系统进行自然对话。挑战不仅在于语音识别和合成，还在于实现低于800毫秒延迟的自然对话流程，同时处理中断、背景噪音和情感细微差别。此技能涵盖两种架构：语音到语音（OpenAI实时API，最低延迟，最自然）和流水线（STT→LLM→TTS，更多控制，更容易调试）。关键洞察：延迟是约束条件。