语音智能体概述

语音智能体使用 OpenAI 语音到语音模型提供实时语音对话。这些模型支持音频、文本与工具调用的流式传输，适用于语音/电话客服、移动应用体验和语音聊天等场景。

Voice Agents SDK 提供了用于 OpenAI Realtime API 的 TypeScript 客户端。

快速开始 几分钟内构建您的第一个实时语音助手，使用 OpenAI Agents SDK。

关键特性

• 通过 WebSocket 或 WebRTC 连接
• 可用于浏览器端和后端连接
• 音频与打断处理
• 通过交接实现多智能体编排
• 工具定义与调用
• 自定义护栏以监控模型输出
• 流式事件回调
• 文本与语音智能体复用同一组件

通过使用语音到语音模型，我们可以利用模型实时处理音频的能力，而无需在模型响应后先转录文本再将其转换回音频。