Голосовые агенты: хорошее, плохое и ужасное
Voice Agents: the good, the bad, and the ugly
Голосового агента для интервью нельзя собрать одним промптом: по словам спикера, надёжность дают фоновые текстовые агенты, поштучное управление вопросами и синтетические интервью.
- Один вопрос за раз — вопрос подаётся в контекст по одному, переход дальше делается через tool call. Так система знает, что сейчас спрашивает модель, и пользователь может прыгать по списку вопросов.
- Детектор отклонения от темы — отдельная текстовая модель читает транскрипт и решает, пора ли идти дальше. При сигнале вызов инструмента включается принудительно.
- Скрытие ошибок Whisper — Whisper превращает в текст тишину и шум, а Realtime API не даёт настроек для этого. Поэтому отдельный агент прячет такие реплики от пользователя, а основная модель их продолжает видеть.
- Синтетические интервью — LLM играет персоны, например дерзкого подростка, главу Fortune 500, и тот же набор метрик с LLM-as-judge прогоняется по всем диалогам. Правки промптов сравниваются по метрикам, а не по ощущениям.
Кому полезно: тем, кто выводит голосовых агентов в продакшен и замечает регрессии после правок промпта.
Статья по теме
Главы
Похожие доклады
Ваш голосовой агент — всего лишь рация
Близко по содержанию
Запуск корпоративного голосового AI agent за 100 дней
AI Engineer World's Fair 2025
Близко по содержанию
Голосовые агенты с видео в реальном времени
AI Engineer World's Fair 2026
Близко по содержанию
Создание эффективных голосовых агентов
AI Engineer World's Fair 2025
Близко по содержанию

