Голосовые агенты могут не только говорить, но и действовать
Voice Agents Can Just Do Things — Charlie Guo, OpenAI
Голосовой агент не обязан говорить: ответом может быть действие в приложении или визуальный сигнал, и эти режимы комбинируются с речью.
- Действие вместо ответа — существующие API-эндпоинты и хуки React превращаются в tools, и пользователь управляет приложением голосом; при этом нужны guardrails и проверки безопасности.
- Визуальная обратная связь — уведомления, всплывающие окна, смена состояния кнопки или подсветка текста сообщают о происходящем без слов. Для событий спикер предлагает эскалацию: сначала анимация, затем попап, и только потом голос.
- Нативное аудио вместо транскрипции — при распознавании речи теряются интонация, темп, перебивания и фоновый шум. По словам спикера из OpenAI, модели, которые работают с аудио напрямую, дают заметно меньшую задержку, чем цепочка из распознавания, LLM и синтеза речи.
- Фраза-предупреждение перед вызовом tools — GPT realtime 2 может сказать пользователю пару слов, пока в фоне идут рассуждения и вызовы инструментов.
Кому полезно: тем, кто проектирует голосовых агентов и хочет выйти за рамки сценария «чат-бот поддержки».
Статья по теме
Главы
Ещё доклады: Charlie Guo
Страница спикера →Готовим с Codex
AI Engineer World's Fair 2026
Анализ 10 000 звонков отдела продаж с помощью ИИ за две недели
AI Engineer World's Fair 2025
Похожие доклады
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
5 проблем с voice agents, с которыми вы столкнётесь уже на первой неделе
Близко по содержанию
Как разговаривать со статуями
AI Engineer Europe 2026
Близко по содержанию
Tolan: голосовой AI-компаньон
Близко по содержанию

