· AI Engineer World's Fair 2025
Pipecat Cloud: корпоративные голосовые агенты на базе open source
Pipecat Cloud: Enterprise Voice Agents Built On Open Source
Задержка голосового агента складывается из сетевых переходов, поэтому один дальний запрос к инференсу выгоднее нескольких, а цель 800 миллисекунд voice-to-voice достижима на открытом Pipecat.
- Бюджет задержки — пользователи ждут ответ около 500 миллисекунд, цель спикера 800; каждый дальний запрос съедает этот бюджет, поэтому выгоднее один длинный переход до сервера и короткие вызовы рядом с ним.
- Turn detection и шум — открытая модель Smart Turn определяет конец реплики, а фоновые голоса дают ложные прерывания; для шумов спикер советует Krisp, который бесплатен в Pipecat Cloud.
- Speech-to-speech пока не замена — нативные аудио-модели Gemini и OpenAI хороши в живом диалоге, но по словам спикера хуже следуют инструкциям и function calling, чем текстовый режим.
- Холодный старт — Pipecat Cloud, тонкая обёртка над Docker и Kubernetes, решает старт и автомасштабирование долгих голосовых сессий; это презентация продукта Daily, но требования к сети и старту полезны сами по себе.
Кому полезно: тем, кто выводит голосовых агентов в продакшен и выбирает между каскадом STT, LLM и TTS и speech-to-speech моделями.
Доклад цитируется в статьях
Главы
Ещё доклады: Kwindla Hultman Kramer
Страница спикера →Новые примитивы: создание AI-native программного обеспечения
Kwindla Hultman Kramer, Kwindla Kramer
AI Engineer World's Fair 2026
Как создать самого быстрого в мире голосового бота
AI Engineer World's Fair 2024
Realtime-AI не выживет
Kwindla Hultman Kramer, Sean DuBois
AI Engineer World's Fair 2025
Похожие доклады
Задержка — это бюджет. Цель — общение как у людей
AI Engineer World's Fair 2026
Близко по содержанию
От миллисекунд к магии: workflow для работы в реальном времени с Gemini Live API и Pipecat
Kwindla Kramer, Shrestha Basu Mallick
AI Engineer World's Fair 2025
Близко по содержанию
