← Каталог

· AI Engineer World's Fair 2025

Создание голосовых агентов с OpenAI

Building voice agents with OpenAI

Голосового агента в браузере можно собрать на realtime-сессии Agents SDK, а сложные решения делегировать текстовой модели через tool call.

  • Делегирование рассуждений — фронтовой голосовой агент вызывает o4-mini как инструмент для возврата товара. По словам спикера, вызов успевает завершиться, пока агент ещё произносит фразу о проверке, поэтому пауза для пользователя короче.
  • Guardrails на транскрипте — проверки работают параллельно с речью. Нарушение в первых словах успевает прозвучать до прерывания, а поздний промах модель исправляет сама, потому что текст готов раньше аудио.
  • Human approval до запуска — needsApproval перехватывает вызов инструмента до его выполнения в приложении, а не внутри модели, поэтому откатывать уже принятые решения не нужно.
  • Голос фиксируется на сессию — голос задаётся первым агентом и не меняется при handoff. Handoff меняет инструкции и набор инструментов, так что разные роли нужно разделять по инструкциям, а не по голосам.

Кому полезно: тем, кто переносит текстового агента на голосовой канал в браузере или переводит голосовых агентов в продакшен.

Статья по теме

Главы

Ещё доклады: Dominik Kundel

Страница спикера →

Похожие доклады