· 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 —
needsApprovalперехватывает 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 →Разработка на основе Codex Harness
AI Engineer World's Fair 2026
Готовить на огне, не спалив кухню
AI Engineer World's Fair 2024
Codex изнутри: как устроен harness
AI Engineer World's Fair 2026
Похожие доклады
Проектирование голосовых агентов для естественных разговоров
AI Engineer World's Fair 2026
Близко по содержанию
От текста к зрению и голосу: мультимодальность с OpenAI
AI Engineer World's Fair 2024
Близко по содержанию
Создание AI-ассистента для телефонных звонков
AI Engineer World's Fair 2024
Близко по содержанию
Подготовка данных и fine-tuning модели синтеза речи
AI Engineer World's Fair 2025
Близко по содержанию

