Vapi ได้ทำการทดลองเบื้องต้นโดยใช้โมเดล "System One" ชื่อ Jev ของ TypeSafe AI ซึ่งอยู่ในช่วง early-access เป็นแนวป้องกันที่ให้คะแนนว่าการตอบกลับของผู้ช่วยเสียงละเมิดกฎที่นักพัฒนากำหนดไว้หรือไม่ก่อนที่จะพูดออกไป ในการทดสอบเบื้องต้นครั้งหนึ่ง Jev จับการตอบกลับที่ละเมิดกฎได้อย่างน้อยสามในสี่ครั้ง แม้ว่า Vapi ระบุว่านี่ไม่ใช่การรับประกันความสอดคล้อง 100% และเป็นเพียงการตรวจสอบเพิ่มเติมบน prompt guardrails เท่านั้น
คู่มือนี้เปรียบเทียบ LiveKit Agents และ Pipecat ซึ่งเป็นเฟรมเวิร์กโอเพนซอร์สสองตัวที่บทความระบุว่าสำคัญที่สุดสำหรับการสร้างเอเจนต์ AI แบบเสียงและวิดีโอระดับโปรดักชัน ครอบคลุมสถาปัตยกรรม การนำไปใช้ ประสบการณ์นักพัฒนา และความพร้อมสำหรับโปรดักชัน LiveKit Agents ทำงานบนโครงสร้างพื้นฐาน WebRTC และ SIP โอเพนซอร์สของ LiveKit และเชื่อมต่อไปป์ไลน์ให้เอง ขณะที่ Pipecat ไม่สมมติเรื่องการรับส่งข้อมูลและให้นักพัฒนาประกอบไปป์ไลน์ทีละขั้นตอน บทความยังกล่าวถึงตำแหน่งของ TEN Framework, Dograh, Vision Agents และ Vocode ด้วย
การอัปเดต Descript ประจำวันที่ 17 กันยายน 2026 เพิ่มพรีเซ็ตคำบรรยาย 18 แบบและแอนิเมชันข้อความใหม่ 10 แบบ พร้อมเพลงพื้นหลังและเอฟเฟกต์เสียงที่สร้างด้วย AI วางบนไทม์ไลน์โดยตรงในเวอร์ชัน 145.0.15 ขึ้นไป ขั้นตอนชำระเงินแสดงราคาเป็นสกุลเงินท้องถิ่นพร้อม Apple Pay, Google Pay, Cash App และตัวเลือกอื่น ๆ และตัวเลือกเสียงดึงมาจากคลังเสียงของ ElevenLabs
LiveKit เปิดตัว Startup Program มอบมูลค่ารวมประมาณ $23,000 ให้กับสตาร์ทอัพที่เข้าเกณฑ์: เครดิต inference มูลค่า $7,000 จากพันธมิตรเจ็ดราย เครดิต LiveKit Cloud มูลค่า $10,000 และแผน Scale ฟรีหนึ่งปีซึ่งปกติราคา $500 ต่อเดือน โมเดลจากพันธมิตร包括 Deepgram, AssemblyAI และ Gemma 4 31B ที่โฮสต์โดย LiveKit สามารถใช้งานได้ผ่าน LiveKit Inference โดยไม่ต้องมีบัญชีผู้ให้บริการหรือ API key แยกต่างหาก โปรแกรมนี้มุ่งเป้าสตาร์ทอัพที่มีพนักงานน้อยกว่า 50 คน ระดมทุนได้น้อยกว่า $5 ล้าน และกำลังสร้าง voice, video หรือ physical AI เข้าไปในผลิตภัณฑ์ของตน
Vapi กลับมาจัดงานสุดยอด Voice AI ในชื่อ VapiCon 2026 โดยขยายเป็นสองวันและสองแทร็กที่ Fort Mason ซานฟรานซิสโก ในวันที่ 11 และ 12 พฤศจิกายน 2026 สำหรับผู้สร้างและผู้ปฏิบัติงานกว่า 1,200 คน วิทยากรที่ยืนยันแล้ว ได้แก่ Scott Stephenson จาก Deepgram, Harrison Chase จาก LangChain, Guillermo Rauch จาก Vercel, Andy O'Dower จาก Twilio, Brandon Yang จาก Cartesia และ Laurie Voss จาก Arize AI พร้อมด้วย Jordan Dearsley และ Nikhil Gupta จาก Vapi เซสชันจะครอบคลุมหัวข้อ speech-to-speech เทียบกับสถาปัตยกรรมแบบ cascaded, evals และ observability, time to first byte ต่ำกว่าหนึ่งวินาที, การส่งต่อให้มนุษย์ และการติดตั้งใช้งานจริงในระบบสุขภาพและศูนย์ติดต่อลูกค้า
LiveKit อธิบายว่าคำเตือน "inference is slower than realtime" ใน voice agents ของ LiveKit หมายถึงโมเดล VAD ภายในเครื่อง ไม่ใช่โมเดล STT, TTS หรือ LLM ที่ใช้ผ่าน LiveKit Inference หน้าต่างเสียงขนาด 32ms แต่ละช่วงต้องถูกประมวลผลให้เสร็จภายใน 32ms และความล่าช้าที่รายงานแสดงว่า VAD ตามเสียงสดไม่ทันมากน้อยเพียงใด สาเหตุหลักคือ event loop ที่ถูกบล็อกและ CPU ที่อิ่มตัว และวิธีแก้คือการตัดโค้ดแบบ synchronous ออก ไม่ใช่การเพิ่ม thread
语音信箱检测（也称应答机检测）会在约三到五秒内判断外呼电话是接通了真人还是录音，其依据是时序和行为信号，而非语音音频。一篇 2026 年的 arXiv 预印本发现，仅凭时序特征就能达到基于提示音和关键词的方法的效果，同时避免后者带来的额外延迟。Vapi 允许用户选择检测提供商、调整时序，并在真人接听时切回对话。
Vapi ได้เปิด private beta แบบจำกัดสำหรับ GPT-Live ซึ่งเป็นโมเดลเสียงเป็นเสียงแบบ full-duplex เจเนอเรชันถัดไปของ OpenAI พร้อมกับ public waitlist สำหรับการเข้าถึงก่อนใคร GPT-Live แทนที่ไปป์ไลน์แบบแยกส่วนของ speech-to-text, LLM และเสียง โดยจัดการทั้งสามอย่างในโมเดลเดียว ลดเวลาในการผลัดกันพูด และรักษาน้ำเสียงและการเน้นเสียง ทีม beta ใช้งานบน Vapi stack เดียวกับเอเจนต์แบบแยกส่วนที่มีอยู่ และไปป์ไลน์แบบแยกส่วนยังคงได้รับการสนับสนุน
LiveKit เพิ่มการปรับใช้แบบไม่ใช่โปรดักชันที่รัน voice agent ภายใต้ชื่ออื่นบน container image, โปรเจกต์ และ secrets เดียวกันกับโปรดักชัน สร้างได้ด้วยคำสั่งเดียว แต่ละ deployment จะ sleep เมื่อไม่ได้ใช้งานโดยไม่มีค่าใช้จ่ายและตื่นเมื่อมีคำขอถัดไป และคุณกำหนดเป้าหมายได้ด้วยแฟล็ก --deployment ต้องใช้ livekit-agents 1.6+ สำหรับ Python หรือ @livekit/agents 1.7.1+ สำหรับ Node และแผนให้ 2 deployments บน Ship และ 5 บน Scale
LiveKit เปิดตัว Connectors ซึ่งเป็นสะพานเชื่อมโดยตรงระหว่างห้อง LiveKit กับ Twilio Programmable Voice และ WhatsApp Business Calling โดยมีแพลตฟอร์มอื่นๆ ที่วางแผนไว้เพิ่มเติม แต่ละสายเรียกเข้าจะเข้าร่วมห้องในฐานะผู้เข้าร่วม CONNECTOR พร้อมข้อมูลบริบทของแพลตฟอร์ม เช่น Twilio call SID หรือหมายเลขโทรศัพท์ของผู้โทรผ่าน WhatsApp และการ dispatch ของ agent เกิดขึ้นในคำขอ API เดียวกัน Connectors พร้อมใช้งานทั่วไปบน LiveKit Cloud ในราคา SIP ที่ $0.004 ต่อนาทีในแพ็กเกจ Ship และ $0.003 ในแพ็กเกจ Scale โดยรองรับการเชื่อมต่อพร้อมกัน 5, 20 และ 100 สายในแพ็กเกจ Build, Ship และ Scale ตามลำดับ
Vapi เปิดตัว Campaigns เวอร์ชันสร้างใหม่ ซึ่งเป็นผลิตภัณฑ์โทรออกแบบกลุ่มที่ теперьทำงานบนเอนจินเวิร์กโฟลว์แบบคงทนแยกต่างหากจากคิวการโทร แต่ละแคมเปญรองรับผู้ติดต่อได้สูงสุด 10,000 ราย พร้อมผู้ช่วยหรือทีมและหมายเลขโทรศัพท์ โดยจำกัดช่วงเวลาการโทร มีตัวแปรรายผู้ติดต่อในพรอมต์ของผู้ช่วย และมีเว็บฮุกก่อนการโทรที่ข้ามผู้ติดต่อที่แปลงแล้ว Vapi ระบุว่าสถานะของแคมเปญคงอยู่ภายนอกโปรเซสใดโปรเซสหนึ่ง การทำงานพร้อมกันเป็นแบบหน้าต่างเลื่อนแทนที่จะเป็นแบบกลุ่ม และทุกการเปลี่ยนแปลงสถานะจะเพิ่มเหตุการณ์ที่ไม่สามารถแก้ไขได้ เพื่อให้ความคืบหน้าและเส้นทางการตรวจสอบไม่คลาดเคลื่อน
ทีมที่กำลังชั่งน้ำหนักว่าจะสร้าง voice agents ขึ้นเองภายในองค์กรหรือไม่ แท้จริงแล้วกำลังตัดสินใจว่าจะสร้าง orchestration layer ขึ้นมาหรือไม่ เนื่องจากตัว agent เองเป็นเพียงประมาณ 20% ของงานเท่านั้น ส่วนที่เหลือคือโครงสร้างพื้นฐานด้านเสียงแบบเรียลไทม์ เทเลโฟนี และ observability เดโมหกสัปดาห์ของผู้ขายระบบจัดตารางรายหนึ่งกลายเป็นโปรเจกต์แปดเดือนก่อนที่จะย้ายฟีเจอร์นี้ไปยังแพลตฟอร์มในหกสัปดาห์ การสร้างเองภายในองค์กรจึงสมเหตุสมผลเฉพาะเมื่อต้องการปรับแต่ง pipeline เชิงลึก มีโครงสร้างพื้นฐานด้านเสียงอยู่แล้ว มีข้อจำกัดด้านกฎระเบียบ หรือเสียงเป็นความได้เปรียบทางการแข่งขันหลัก
บล็อกของ LiveKit อธิบายว่าทำไมวอยซ์เอเจนต์มักเงียบหลังคำตอบสั้น ๆ อย่าง "yes" หรือ "ok" โดยสืบสาวไปถึงความล้มเหลวในการตรวจจับการผลัดกันพูด สาเหตุที่พบบ่อยที่สุดคือผู้ให้บริการ STT พลาดคำพูดสั้นและไม่ส่ง final_transcript ออกมาเลย ซึ่งขัดขวางการตรวจจับจุดสิ้นสุดของคำพูดโดยสิ้นเชิง บทความยังกล่าวถึงความหน่วงของ endpointing ที่ก้าวร้าวหรือผ่อนปรนเกินไป และการตัดเสียงรบกวนที่กำหนดค่าผิดซึ่งตัดเสียงสั้น ๆ ทิ้งไปราวกับเป็นเสียงรบกวน
LiveKit ได้เปลี่ยนการคิดค่าบริการนาทีของเซสชันเอเจนต์ การบันทึก การเชื่อมต่อ WebRTC และการเชื่อมต่อ SIP เป็นการคิดค่าบริการรายวินาที โดยมีหน่วยขั้นต่ำสิบวินาที ครอบคลุมทุกแพ็กเกจและทุกบัญชีรวมถึงสัญญาองค์กร การเปลี่ยนแปลงนี้มีผลแล้วและจะปรากฏในใบแจ้งหนี้เดือนกันยายนสำหรับการใช้งานเดือนสิงหาคม โดยไม่มีการเปลี่ยนแปลงทางเทคนิคที่ลูกค้าต้องเผชิญ LiveKit ระบุว่าการคิดค่าบริการรายนาทีไม่สอดคล้องกับการโทรออกระยะสั้นที่ใช้เวลาเพียงไม่กี่วินาที ซึ่งจำกัดการใช้งานในกรณีดังกล่าว
Vapi เผยแพร่เกณฑ์เจ็ดข้อสำหรับประเมิน AI voice agents ในด้านประสบการณ์ลูกค้า ครอบคลุมการแก้ปัญหา คุณภาพเสียงแบบเรียลไทม์ การดำเนินการ การส่งต่อ ความยืดหยุ่นของโมเดล ความน่าเชื่อถือตลอดวงจรชีวิต และการควบคุมแพลตฟอร์ม คู่มือนี้โต้แย้งว่าการนับ containment และ deflection นั้นนับความสำเร็จเกินจริง เนื่องจากผู้โทรที่ถูก contained อาจเพียงแค่วางสาย และอ้างข้อมูล ContactBabel ที่แสดงให้เห็นว่าความชอบใช้โทรศัพท์สำหรับการโต้ตอบที่ซับซ้อนเพิ่มขึ้นจาก 28% ในปี 2018 เป็น 47% ในปี 2024 Vapi วางตำแหน่งตัวเองเป็นเลเยอร์แพลตฟอร์มที่ไม่ผูกกับโมเดลใดโมเดลหนึ่ง พร้อมการตั้งค่า endpointing การจัดการการขัดจังหวะ และการลดสัญญาณรบกวนพื้นหลัง
Vapi เปิดตัว Simulations ซึ่งเป็นฟีเจอร์ทดสอบที่ขับเคลื่อนด้วย AI แบบเนทีฟ ที่วางผู้ทดสอบ AI ซึ่งมีบุคลิกที่แตกต่างกันและสถานการณ์ที่ได้มาจากลูกค้าไว้อีกฝั่งของสายกับ voice agent แต่ละรอบการทดสอบจะคืนผลลัพธ์ผ่าน/ไม่ผ่าน บทสนทนาฉบับเต็ม และการบันทึกเสียง และทีมสามารถจำลองการตอบกลับของ API ได้ รันโหมดแชทแบบข้อความที่มีต้นทุนต่ำ หรือโหมดเสียงเต็มรูปแบบ และทริกเกอร์การรันผ่าน API พร้อม quality gates ที่บล็อกการดีพลอยเมื่ออัตราการผ่านลดลง
คู่มือที่เป็นกลางต่อผู้ขายนำเสนอเกณฑ์ห้าข้อในการเลือกแพลตฟอร์ม Conversational AI สำหรับ voice agent ในองค์กร ได้แก่ การควบคุมของนักพัฒนา การเลือกโมเดลและการมี fallback การทดสอบและการสังเกตการณ์ วงจรชีวิตของ agent แบบครบถ้วน และการปฏิบัติตามข้อกำหนดในระดับขนาดใหญ่ โดยอ้างอิงผลสำรวจของ Zapier จากผู้บริหารระดับ C-level ในสหรัฐฯ จำนวน 542 คน ซึ่ง 81% กังวลเกี่ยวกับการพึ่งพาผู้ขาย AI รายใดรายหนึ่ง และมีเพียง 6% ที่สามารถยกเลิกผู้ขายหลักได้โดยไม่เกิดผลกระทบ คู่มือโต้แย้งว่า latency และ orchestration สำคัญกว่ารายการฟีเจอร์ โดยอ้างถึงข้อค้นพบของ AssemblyAI ว่าความหน่วงที่เกิน 500–700 ms รู้สึกไม่เป็นธรรมชาติ
VapiCon 2026 การประชุมสุดยอด Voice AI ที่จัดโดย Vapi ขยายเป็นสองวันในวันที่ 11 และ 12 พฤศจิกายน ณ Festival Pavilion ที่ Fort Mason โดยมีแผนรองรับผู้เข้าร่วม 1,200+ คน ผู้บรรยาย 50+ คน และผู้สนับสนุน 20+ ราย งานครั้งแรกมีผู้เข้าร่วมมากกว่า 850 คนในซานฟรานซิสโกเมื่อวันที่ 2 ตุลาคม 2025 และบัตรสำหรับปี 2026 เปิดจำหน่ายแล้วตอนนี้
Vapi ได้ว่าจ้าง Nathalie Criou เป็นรองประธานฝ่ายผลิตภัณฑ์ หลังจากที่เธอเข้าร่วมสตาร์ทอัพด้าน AI เสียงแห่งนี้ได้ไม่กี่เดือน Criou เคยดำรงตำแหน่งด้านผลิตภัณฑ์และการจัดการทั่วไปที่ Google, VMware, Amazon, Twilio และ Docker และเคยก่อตั้งและขายสตาร์ทอัพ RidePal เธอกล่าวว่าเธอเข้าร่วมเพราะเสียงเป็นช่องทางที่ยังใช้ประโยชน์ได้ไม่เต็มที่ซึ่ง AI สามารถเปลี่ยนแปลงได้แล้ว โดยยกตัวอย่างลูกค้าอย่าง Kavak ที่ปรับโครงสร้างองค์กร вокругเสียงภายในหกเดือน
Vapi ชี้ว่า voice agent ถูกตัดสินจากห้ามิติแบบเรียลไทม์ ได้แก่ latency, turn-taking, การจัดการการขัดจังหวะ, prosody และ pipeline ที่ทนทาน โดยอ้างงานวิจัยที่ระบุว่าช่องว่างการผลัดกันพูดของมนุษย์อยู่ใกล้ 200ms และหมายเหตุว่าความหน่วงเกินราว 500–700ms รู้สึกไม่เป็นธรรมชาติ ขณะที่ pipeline แบบลำดับตรงไปตรงมาอาจใช้เวลาราว 1.9 วินาที เทียบกับ 600–900ms สำหรับแบบที่ปรับแต่งแล้ว Vapi วางตำแหน่ง pipeline ที่ไม่ผูกกับโมเดลของตนว่าสามารถปรับแต่งและทดสอบได้ผ่านการโทรจำลอง
Simba 3.2 ของ Speechify เปิดตัวเป็นอันดับหนึ่งใน Humanness Index ของ Vapi ด้วยคะแนน 99 ซึ่งต่ำกว่าเส้นฐานของมนุษย์ที่ 100 อยู่หนึ่งคะแนน และ S2.1-Pro ของ Fish Audio เข้ามาในอันดับที่ 94 ด้วยเวลาในการสร้างเสียงแรก 141 มิลลิวินาที ผู้นำคนก่อนหน้าอย่าง Grok TTS ของ xAI ครองตำแหน่งสูงสุดได้เพียงสามสัปดาห์ที่คะแนน 95 และคะแนนนำได้ขยับจาก 95 เป็น 99 นับตั้งแต่นั้นมา Vapi ให้เหตุผลว่าแพลตฟอร์มเสียงที่ไม่ผูกกับโมเดลใดโมเดลหนึ่งช่วยให้ทีมสามารถสลับโมเดล TTS ได้เมื่ออันดับเปลี่ยนแปลง
Vapi เผยแพร่คำตอบจากคำถามในเว็บบินาร์ร่วมกับ Anthropic เกี่ยวกับ AI เสียง โดยลงรายละเอียดเอเจนต์สาธิตจองรถโดยสารแบบสดที่สร้างบน Vapi ด้วย Claude Haiku ของ Anthropic และเสียง Layla v2 เอเจนต์นี้ใช้เครื่องมือห้าอย่าง ได้แก่ ประเมินราคา จอง ตรวจสอบสถานะ ยกเลิก และวางสาย พร้อมการตรวจจุดสิ้นสุดอัจฉริยะและเกณฑ์การขัดจังหวะแบบอนุรักษนิยมเพื่อให้ได้รอบการสนทนาต่ำกว่าหนึ่งวินาที เอเจนต์ที่รัน Claude บน Vapi รองรับสายเกือบ 5 ล้านสายใน 30 วันที่ผ่านมาในกว่า 50 ภาษา
AI voice agent ช่วยลดเวลารอของลูกค้าได้สองวิธี คือ ลดงานออกจากคิวผ่านการให้บริการด้วยตนเอง การจัดเส้นทางอัจฉริยะ การช่วยเหลือเอเจนต์ และการคาดการณ์ความต้องการ และตอบรับทันทีโดยไม่ต้องรอสาย SQM Group พบว่าลูกค้าวางสายโดยเฉลี่ยที่ 2 นาที 36 วินาที ขณะที่ ContactBabel ระบุว่าอัตราการวางสายเฉลี่ยของสหราชอาณาจักรอยู่ที่ 8.4% ในปี 2024 Vapi กล่าวว่าสามารถตั้ง voice agent ตัวแรกได้จากแดชบอร์ดภายในไม่กี่นาที จากนั้นวัดผลด้วย ASA อัตราการวางสาย และการแก้ไขปัญหาในการโทรครั้งแรก
Vapi เปิดตัว Model Intelligence ซึ่งเป็นชุดฟีเจอร์ที่ช่วยนักพัฒนาการเลือกชุดโมเดลสำหรับ voice agent โดยมี Model Preset 4 แบบ (Balanced, High Intelligence, Ultra Fast, Cost Saver) ที่รวม transcriber, LLM และ voice ไว้ด้วยกัน พร้อมตัวชี้วัดด้านต้นทุน ความหน่วง และคุณภาพของแต่ละโมเดล ซึ่งดึงมาจากการโทรผ่าน Vapi กว่า 1 พันล้านครั้ง
ดัชนีความเป็นมนุษย์ของ Vapi ซึ่งเป็นกระดานอันดับแบบปิดชื่อผู้โหวตที่ผู้ฟังเลือกว่าเสียงโคลนใดในสองเสียงฟังดูเป็นมนุษย์มากกว่า จัดอันดับให้ Grok TTS ของ xAI ได้ 95 คะแนน และ MiniMax Speech 2.5 ได้ 93 คะแนน เทียบกับเสียงบันทึกของมนุษย์จริงที่ได้ 100 คะแนน หลังจากการโหวตมากกว่า 11,000 ครั้ง ทุกการเปรียบเทียบใช้เสียงโคลนและบทพูดเดียวกันในทุกโมเดล และมีเสียงบันทึกของมนุษย์จริงรวมอยู่ในชุดเปรียบเทียบด้วย ดังนั้น 95 คะแนนหมายความว่าผู้ฟังเลือก Grok TTS ในอัตราใกล้เคียงกับมนุษย์ในบทพูดเดียวกัน Vapi ให้เหตุผลว่าความเป็นธรรมชาติไม่ใช่คอขวดของ voice agent อีกต่อไป เนื่องจากผู้โทรได้สัมผัสกับเสียงมากกว่ากระบวนการคิดเบื้องหลัง
Vapi ได้แต่งตั้ง Jayson Noland ผู้ซึ่งใช้เวลากว่าทศวรรษในสายการเงินเทคโนโลยีและมีส่วนช่วยนำ Cloudflare เข้าตลาดหลักทรัพย์และพารายได้ทะลุ 1 พันล้านดอลลาร์ ให้ดำรงตำแหน่งประธานเจ้าหน้าที่ฝ่ายการเงิน Noland เข้าร่วมในระยะ Series B เพื่อสร้างฟังก์ชันการเงิน ตั้งแต่ระบบที่ขยายได้ไปจนถึงการจัดสรรทุน โดยอ้างถึง voice agents ว่าเป็นส่วนติดต่อระหว่างมนุษย์กับเครื่องจักรที่สำคัญลำดับถัดไป
Vapi กำลังนำเสนอแพลตฟอร์ม AI เสียงของตนเป็นหนทางให้แบรนด์เปลี่ยนศูนย์ติดต่อจากศูนย์ต้นทุนให้กลายเป็นความได้เปรียบทางการแข่งขัน โดยอ้างถึง Amazon Ring ซึ่งประเมินผู้จำหน่าย AI เสียงกว่า 40 รายก่อนเปิดใช้งานบน Vapi ภายในสองสัปดาห์ และปัจจุบันดำเนินการ 100% ของปริมาณ CX ขาเข้าผ่านแพลตฟอร์มนี้ พร้อมคะแนน CSAT ที่ดีขึ้น Vapi โต้แย้งว่าโซลูชันเสียงแบบสำเร็จรูปผูกแบรนด์ไว้กับโมเดลที่ผู้จำหน่ายควบคุมและเสียงทั่วไป ขณะที่การสร้างจากศูนย์เริ่มต้นนั้นช้าและมีค่าใช้จ่ายสูง และโฆษณาจุดเด่นด้านเวลาตอบสนองต่ำกว่าหนึ่งวินาที สถาปัตยกรรมที่พำนักใน VPC พร้อมการไม่เก็บข้อมูลเลยและการล้าง PII และการติดตั้งใช้งานที่เปิดตัวได้ภายในไม่กี่วัน
Vapi เผยแพร่คำตอบสำหรับเจ็ดคำถามที่ถูกถามบ่อยที่สุดจากเว็บบินาร์ร่วมกับ Spring Venture Group ซึ่ง Homer Kay อธิบายว่า SVG ใช้ voice agent ของ Vapi ในการคัดกรองลูกค้าเป้าหมาย Medicare ก่อนโอนสายให้ตัวแทนที่มีใบอนุญาต คำตอบครอบคลุมถึงการปฏิบัติตามข้อกำหนดในการโทรออก การผสานรวมแบบ API-first การสลับเปลี่ยนคอมโพเนนต์ STT, LLM และ TTS ได้อย่างอิสระ การส่งต่อให้มนุษย์ และการกำหนดค่าที่สอดคล้องกับ HIPAA พร้อม Zero Data Retention
ความสำเร็จของ Voice AI เริ่มต้นจากการเลือกกรณีการใช้งาน: งานที่จบลงด้วยลิงก์ โค้ด หรือตัวเลขควรอยู่ในแชท ขณะที่ปัญหาที่เร่งด่วน พิมพ์ยาก หรือมีอารมณ์เกี่ยวข้องเหมาะกับเสียง บทสนทนาในแชทต้องเขียนใหม่ให้เหมาะกับการฟัง—แบ่งข้อความยาวออกเป็นรอบละหนึ่งความคิด ทวนรายละเอียดที่เก็บมาเช่นวันที่ออกเสียง และจำกัดตัวเลือกที่พูดได้เป็นสองหรือสามข้อ บริษัทจัดหางานแห่งหนึ่งลดข้อผิดพลาดในการบรรจุตำแหน่งปลายทางได้ 30% ด้วยการยืนยันแต่ละช่วงเวลาขณะเก็บข้อมูล และอีกทีมหนึ่งลดระยะเวลาโทรเฉลี่ยได้ 40 วินาทีด้วยการเปลี่ยนคำถามปลายเปิดเป็นตัวเลือก
Vapi สร้าง voice agents 15 ตัวบนหน้า homepage ของตน — 3 use cases ใน 5 ภาษา — โดยการสร้างจากไฟล์ ROUGH_DRAFT.md ไฟล์เดียว แทนการแก้ไขทีละตัวใน dashboard กรอบการทำงานสี่ระยะ (plan, draft, bootstrap, harden) สร้างโครง TypeScript project ด้วย OpenAI gpt-4.1 ที่ temperature 0.5, voice stacks จาก ElevenLabs และ Deepgram/Soniox และลูป upsert แบบ idempotent ที่เก็บ assistant IDs ไว้ใน .env.local repo เป็น public: clone, เพิ่ม VAPI_PRIVATE_KEY และรัน bun run bootstrap
Vapi ชี้ว่า Voice AI สามารถทำให้เสียงเป็นช่องทางที่คุ้มค่าทางเศรษฐกิจสำหรับการจัดการโรคเรื้อรังของ ACCESS โดยอ้างข้อมูลจาก Hiya ว่า 42% ของผู้บริโภคชอบใช้เสียงสำหรับการสื่อสารด้านสุขภาพ เพิ่มขึ้นจาก 33% ในปีก่อนหน้า โพสต์ดังกล่าวอธิบายเวิร์กโฟลว์การใช้งานจริงสามแบบ รวมถึงเอเจนต์คัดกรองผู้สนใจ Medicare ของ Spring Venture Group ซึ่งสร้างโดยวิศวกรสี่คนในหนึ่งสัปดาห์ ช่วยเพิ่มอัตราการโอนสายปิดการขายขึ้น 3% และสร้างมูลค่ารวมจากการประหยัดและการเพิ่มรายได้ใหม่กว่า $5.8M
Vapi ประกาศระดมทุน Series B 50 ล้านดอลลาร์ นำโดย Peak XV โดยมี YC, M12, Kleiner Perkins และนักลงทุนรายเดิมเข้าร่วม ทำให้ยอดระดมทุนรวมอยู่ที่ 72 ล้านดอลลาร์ การระดมทุนครั้งนี้เกิดขึ้นหลังจากปีที่รายได้องค์กรของ Vapi เติบโต 10 เท่า และ voice agents ของบริษัทรับสายเกิน 1,000,000,000 ครั้ง Vapi ระบุว่า Amazon Ring เปลี่ยนจากการทดลองใช้มาใช้แพลตฟอร์มของ Vapi ในการรับสายขาเข้าทั้ง 100% ภายในสองสัปดาห์ โดย CSAT เพิ่มขึ้น
ทีมงานของ Vapi ได้ตรวจสอบการติดตั้งระบบเสียงหลายพันครั้งและระบุลักษณะห้าประการที่บ่งชี้ว่า use case ของ voice agent จะประสบความสำเร็จหรือไม่ ได้แก่ ปริมาณการโทรสูง บทสนทนาที่ซ้ำซากและคาดเดาได้ เกณฑ์ความสำเร็จที่ชัดเจน และอีกสองข้อ การขาดลักษณะหนึ่งสามารถชดเชยได้ แต่หากขาดสามข้อหมายความว่าควรสำรวจ use case ทางเลือกอื่น
OpenAI เผยแพร่คู่มือการเขียนพรอมต์แบบเรียลไทม์สำหรับ voice agents ครอบคลุม Realtime 2 reasoning, preambles, tools และการจับเอนทิตีอย่างแม่นยำ คู่มืออธิบายวิธีจัดโครงสร้างพรอมต์เพื่อให้ voice agents แบบเรียลไทม์จัดการ reasoning และการใช้เครื่องมือ พร้อมทั้งจับเอนทิตีอย่างแม่นยำ
Vapi Blog สัมภาษณ์ Iz Shalom จาก Cartesia เกี่ยวกับการเลือกระหว่าง integrated stack และ open modular stack สำหรับ Voice AI โดย integrated stack เหมาะกับ use case ที่แคบและการทำ proof of concept อย่างรวดเร็ว ส่วน open stack เหมาะกับหลาย use case การรองรับหลายภาษา และการสลับเปลี่ยนคอมโพเนนต์ บทความนี้กระตุ้นให้ทีมวัด P99 latency ในสภาพแวดล้อมของตนเองและสร้าง evaluation ที่รัดกุมก่อนขึ้น production
Vapi เปิดตัว Vapi Monitoring ซึ่งเป็นผลิตภัณฑ์ด้านการตรวจสอบที่ให้ทีมต่างๆ สร้างตัวตรวจสอบที่ปรับแต่งได้สำหรับ voice agents และรับการแจ้งเตือนเมื่อถึงเกณฑ์ที่กำหนด โดยครอบคลุมการตรวจสอบประสิทธิภาพและการปฏิบัติตามข้อกำหนดสำหรับการสมัครสมาชิก Enterprise รวมถึงการตรวจสอบด้านเทคนิคและโครงสร้างพื้นฐาน และแสดงปัญหาต่างๆ พร้อมจำนวนสายที่ได้รับผลกระทบและคำแนะนำในการแก้ไข
Nathalie Criou รองประธานฝ่ายบริหารผลิตภัณฑ์ของ Vapi กล่าวในเวทีเสวนา HumanX ร่วมกับ Salesforce, Databricks และ TinyFish ว่า AI ช่วยขยาย而非แทนที่พื้นฐานอย่างความเชี่ยวชาญเฉพาะด้านและการตัดสินใจ เธอกล่าวว่าแพลตฟอร์มของ Vapi ซึ่งสร้างจากปฏิสัมพันธ์เสียงจริงนับล้านครั้ง พัฒนาความทรงจำเชิงสถาบันที่การฝึกโมเดลครั้งเดียวไม่สามารถเลียนแบบได้ คณะเสวนาโต้แย้งว่าคูเมืองตื้นๆ เช่นการเป็นเจ้าแรกในตลาดกำลังเสื่อมถอย ขณะที่ความไว้วางใจ ต้นทุนการเปลี่ยน และข้อมูลปฏิสัมพันธ์ที่เป็นเอกลักษณ์สะสมเร็วขึ้น
วิศวกร Forward-Deployed ของ Vapi กล่าวว่าช่องว่างระหว่างเดโมกับการใช้งานจริงคือจุดที่โครงการ Voice AI ระดับองค์กรส่วนใหญ่หยุดชะงัก ต้องมีการทดสอบอย่างละเอียด การกำหนด guardrails และการออกแบบที่อิงเจตนาแทนการจับคู่วลีแบบตรงตัว ทีมงานเตือนถึง "personality drift" ที่เอเจนต์รับสไตล์การพูดของผู้โทร และระบุว่า LLM ไม่สามารถกำหนดผลลัพธ์ได้แน่นอน ดังนั้นการปรับใช้จึงต้องกำหนดระดับความคลาดเคลื่อนที่ยอมรับได้และวนซ้ำอย่างต่อเนื่อง พวกเขาแนะนำให้เริ่มจากการปรับต้นทุนให้เหมาะสมแต่กำหนดเป้าหมายไปที่การสร้างรายได้ และวัดเกณฑ์การโต้ตอบที่ดีว่าต้องใช้เวลาต่ำกว่าหนึ่งนาที
Vapi เปิดตัว Enhanced Security Mode ชั้นความเป็นส่วนตัวของเสียงที่บริษัทเรียกได้ว่าเงียบและปลอดภัยที่สุดเท่าที่เคยใช้งานในแพลตฟอร์ม Voice AI ระดับองค์กร ออกแบบมาเพื่อป้องกันไม่ให้เสียงของ AI agent ถูกได้ยินในพื้นที่เปิด บริษัทระบุว่าไปป์ไลน์เสียงทั้งหมดถูกออกแบบใหม่เพื่อกลับการปรับแต่งที่เน้นการมีอยู่ของสัญญาณ โดยไม่เพิ่มความหน่วงผิดปกติ การเข้าถึงช่วงแรกครอบคลุมองค์กรด้านการดูแลสุขภาพ การบริหารผลประโยชน์ และการดูแลหลังการรักษาเฉียบพลัน และฟีเจอร์นี้พร้อมใช้งานแล้ว
Vapi จัดเว็บบินาร์ที่ Nick Robin ผู้จัดการผลิตภัณฑ์หลัก สาธิต Composer ผู้ช่วยในผลิตภัณฑ์สำหรับสร้าง voice agent โดยไม่ต้องเขียนโค้ด ซึ่งสามารถสร้าง inbound customer service agent ที่ใช้งานได้จริงภายในเวลา 30 นาทีในการสาธิต Composer เขียน system prompt จัดสรรหมายเลขโทรศัพท์ ตั้งค่าการจัดตารางเวลา และแจ้งข้อผิดพลาดของตัวเองเพื่อขออนุมัติ ปัจจุบันอยู่ในระยะ alpha และรองรับทั้ง assistant ประเภท inbound และ outbound การเชื่อมต่อกับ CRM และปฏิทิน และการแก้ไข agent ที่มีอยู่ผ่าน assistant ID