Wprowadzamy Voice-Agents: zupełnie nowy framework głosowych agentów klasy enterprise 🗣️👾 Tworzenie zautomatyzowanych procesów z wykorzystaniem głosu stało się łatwiejsze, szybsze i bardziej niezawodne. Voice-Agents to zupełnie nowy, gotowy do produkcji framework w Pythonie, który zapewnia bezproblemową integrację z wieloma dostawcami TTS/STT, strumieniowanie w czasie rzeczywistym oraz wszystko, co potrzebne do budowy konwersacyjnych asystentów agentowych. > Wsparcie dla wielu dostawców: OpenAI, ElevenLabs i Groq > Strumieniowanie w czasie rzeczywistym dla interakcji agentów o niskim opóźnieniu > Gotowy do produkcji z logowaniem klasy enterprise, telemetrią i obsługą błędów Dowiedz się więcej ⬇️🧵

2 / Wsparcie dla TTS od wielu dostawców Przełączaj się między dostawcami bez wysiłku za pomocą zjednoczonego API. Niezależnie od tego, czy potrzebujesz naturalnych głosów OpenAI, ekspresyjnych opcji ElevenLabs, czy szybkiej inferencji Groq, Voice-Agents obsługuje to wszystko z konsekwentnymi interfejsami. > 10+ głosów OpenAI (alloy, nova, shimmer i inne) > 30+ głosów ElevenLabs z zaawansowaną kontrolą głosu > Zjednoczona funkcja stream_tts() działa we wszystkich dostawcach Przykłady:

3 / Architektura strumieniowa w czasie rzeczywistym Zbudowana dla systemów opartych na agentach, które potrzebują niskolatencyjnego strumieniowania audio. Voice-Agents przetwarza fragmenty audio w miarę ich przybywania, umożliwiając naturalne rozmowy bez niezręcznych przerw czy opóźnień. > StreamingTTSCallback automatycznie wypowiada pełne zdania z wyników agenta > Strumieniowanie oparte na generatorach dla FastAPI i aplikacji webowych > Inteligentne wykrywanie zdań dla naturalnych przerw w mowie Github:

4 / Zaawansowane możliwości przekształcania mowy na tekst Transkrypcja o wysokiej dokładności zasilana przez OpenAI Whisper i ElevenLabs STT. Obsługuje wiele formatów wejściowych, diarizację mówców, znaczniki czasowe oraz wykrywanie języka dla kompleksowego przetwarzania dźwięku. > Transkrypcja dźwięku na podstawie plików i w czasie rzeczywistym > Diarizacja mówców i ekstrakcja znaczników czasowych > Wsparcie dla tablic numpy, plików audio i strumieniowego audio Przykłady:

5 / Infrastruktura gotowa do produkcji Funkcje klasy korporacyjnej wbudowane w każdy komponent. Od puli połączeń i wsparcia dla HTTP/2 po kompleksowe zarządzanie błędami i bezpieczeństwo typów, Voice-Agents jest zaprojektowany z myślą o skali. > Optymalizowany klient HTTP z pulą połączeń i keepalive > Pełne wskazówki typów i typy Literal dla lepszego wsparcia IDE > Wbudowane narzędzia audio: nagrywanie, odtwarzanie, konwersja formatów

6 / Przykłady zastosowań: Od agentów handlowych po asystentów głosowych Voice-Agents napędza aplikacje w rzeczywistym świecie w różnych branżach. Twórz systemy handlowe z obsługą głosu, asystentów AI do rozmów, usługi transkrypcyjne w czasie rzeczywistym oraz aplikacje wielomodalne z bogatymi interaktywnymi doświadczeniami. > Agenci handlowi z obsługą głosu z narracją rynku w czasie rzeczywistym > Asystenci AI do rozmów z naturalną syntezą mowy > Systemy transkrypcyjne spotkań i przetwarzania wywiadów

7 / Integracja Seamless Swarms Część ekosystemu Swarms, framework orkiestracji wieloagentowej klasy enterprise. Voice-Agents integruje się bezpośrednio z agentami Swarms, umożliwiając systemy wieloagentowe z obsługą głosu od razu po wyjęciu z pudełka. > Działa bezproblemowo z klasą agenta Swarms > Streaming callbacki dla odpowiedzi agentów w czasie rzeczywistym > Rozpocznij: pip install voice-agents