Vapi 推出 Composer，一款可在仪表板内构建语音代理的 AI 助手
Vapi 发布了 Composer，这是 Vapi Dashboard 内置的 AI 助手，可根据描述构建语音代理，编写提示词、配置设置、开通电话号码、构建工具并设置集成。Composer 还可以提取通话记录来解释失败的通话并应用修复，以及生成在 Vapi 基础设施上运行的自定义代码工具，用于 HubSpot 等集成。它现已以 Alpha 版本提供，无需设置或入门流程。
#语音
Vapi Blogคะแนน AI5555
Vapi Blogคะแนน AI3838 Vapi Voices Beta เปิดตัวในราคา $0.0025/นาที สำหรับ Voice AI ปริมาณสูง
Vapi เปิดตัว Vapi Voices Beta ซึ่งเป็นกลุ่มโมเดลเสียงที่สร้างขึ้นสำหรับการใช้งาน Voice AI ที่มีปริมาณสูงและคำนึงถึงต้นทุน โดยมีราคา $0.0025 ต่อนาที พร้อมความหน่วงที่ปรับให้เหมาะสมสำหรับการตอบสนองแบบสนทนา โมเดลเหล่านี้ปรากฏในเมนูแบบเลื่อนลงเลือกเสียงที่มีอยู่แล้ว ควบคู่กับผู้ให้บริการอย่าง ElevenLabs, PlayHT และ Deepgram ทำให้ทีมสามารถกำหนดเส้นทางการไหลที่มีปริมาณสูงและความสำคัญต่ำ เช่น การแจ้งเตือนนัดหมายและเมนูการกำหนดเส้นทาง ไปยังโมเดลเหล่านี้ได้โดยไม่ต้องเปลี่ยนแปลงการเชื่อมต่อใดๆ Vapi ระบุว่ากำลังกำหนดเงื่อนไขการเปิดให้ใช้งานทั่วไปจากสิ่งที่การใช้งานเบต้าเผยให้เห็นเกี่ยวกับกรณีการใช้งาน ความหน่วงภายใต้โหลดจริง และว่าการประหยัดนั้นมีความสำคัญหรือไม่
Vapi Blogคะแนน AI4242 Vapi เพิ่ม structured outputs เพื่อดึงข้อมูลที่ผ่านการตรวจสอบตามสคีมาจากการโทรด้วยเสียง AI
Vapi รองรับ structured outputs สำหรับผู้ช่วยเสียง AI ทั้งหมดแล้ว เพื่อให้ทุกการโทรส่งคืนข้อมูลที่ตรงกับ JSON schema ที่นักพัฒนากำหนด สคีมาถูกบังคับใช้ขณะรันไทม์โดยใช้ความสามารถดั้งเดิมของผู้ให้บริการอย่าง OpenAI, Anthropic, Gemini และอื่น ๆ และสามารถนำกลับมาใช้ซ้ำได้กับผู้ช่วยหลายตัว ข้อมูลที่ดึงออกมาจะมาถึงใน webhook เมื่อการโทรเสร็จสิ้นและผ่าน REST API
Vapi Blogคะแนน AI3535 GPT-5.1 นำเสนอพรีเซ็ตบุคลิกภาพสำหรับ Voice AI เปิดใช้งานแล้วบน Vapi
GPT-5.1 ของ OpenAI เพิ่มพรีเซ็ตบุคลิกภาพที่สม่ำเสมอ — Default, Professional, Friendly, Candid, Quirky, Efficient, Nerdy และ Cynical — พร้อม GPT-5.1 Instant ที่เป็นกันเองมากขึ้นและการให้เหตุผลแบบปรับตัวได้เร็วซึ่งตอบคำถามง่าย ๆ อย่างรวดเร็ว enquantoคำถามที่ซับซ้อนได้รับการคิดมากขึ้น Vapi กล่าวว่าโมเดลนี้เปิดใช้งานบนแพลตฟอร์มของตนเมื่อสัปดาห์ที่แล้วพร้อมกับการประกาศของ OpenAI ทำให้ voice agents สามารถใช้โทนเสียงที่สอดคล้องกับแบรนด์ได้โดยไม่ต้องเขียน prompt ใหม่
Modal Blogคะแนน AI4040 Decagon ส่งมอบ AI เสียงแบบเรียลไทม์บน Modal ได้อย่างไร
Decagon และ Modal ร่วมมือกันสร้าง Decagon Voice 2.0 โดยลด latency ลง 65% พร้อมปรับปรุงการจดจำเจตนาและคุณภาพการตอบสนอง Decagon fine-tune โมเดลโอเพนซอร์สขนาดกะทัดรัดด้วย SFT และ RL เพื่อเอาชนะโมเดล frontier ขนาดใหญ่กว่า ขณะที่ Modal ฝึกโมเดล draft EAGLE3 แบบกำหนดเองซึ่งมี accept length สูงขึ้น 38% และวิศวกรรม SGLang ใหม่ด้วยตัวจัดตาราง speculative decoding แบบ async เพิ่ม throughput ได้ถึง 12%
Vapi Blogคะแนน AI1818 ผู้ก่อตั้ง Vapi เล่าถึงการสร้าง VapiCon สุดยอดการประชุม Voice AI ครั้งแรก
ผู้ก่อตั้ง Vapi เล่าถึงวิธีที่บริษัทจัดการประชุม VapiCon ซึ่งได้รับการขนานนามว่าเป็นการประชุมสุดยอด Voice AI ครั้งแรก ดึงดูดผู้เข้าร่วม 850 คนและผู้นำด้าน Voice AI จาก OpenAI, Deepgram และ Assembly AI มารวมตัวกันในห้องเดียว Vapi ใช้จ่ายประมาณ 500,000 ดอลลาร์สำหรับงานนี้และได้คืนมาประมาณ 400,000 ดอลลาร์ โดยผู้ก่อตั้งระบุว่าความร่วมมือและข้อตกลงระดับองค์กรคือผลตอบแทนที่แท้จริง ปัจจุบันบริษัทได้เปิดตัว VapiCon Video Library ของทุกเซสชันและ panel แล้ว
Modal Blogคะแนน AI5858 Modal, Pipecat และโมเดลเปิดผสานได้ความหน่วงเสียงต่อเสียงหนึ่งวินาที
Ben Shababo จาก Modal อธิบายขั้นตอนการสร้างบอตเสียงสนทนาบน Modal ด้วยเฟรมเวิร์กโอเพนซอร์ส Pipecat และโมเดลน้ำหนักเปิด ทำได้ค่ามัธยฐานความหน่วงเสียงต่อเสียงประมาณหนึ่งวินาทีเมื่อไคลเอนต์และคอนเทนเนอร์อยู่ใกล้กันทางภูมิศาสตร์ไปป์ไลน์ใช้ NVIDIA parakeet-tdt-0.6b-v3 สำหรับ STT, Qwen3-4B-Instruct-2507 ให้บริการด้วย vLLM, KokoroTTS สำหรับเอาต์พุตเสียง และ ChromaDB กับ all-minilm-l6-v2 สำหรับ RAG บนเอกสารของ Modal โดย Modal Tunnels ข้ามระนาบอินพุตเพื่อเชื่อมต่อ WebSocket และ HTTP ความหน่วงต่ำไปยังบริการ STT, TTS และ vLLM ขณะที่ FunctionCall ที่ผูกกับแต่ละเซสชันสนทนาช่วยกู้คืนการสเกลอัตโนมัติ และการปักหมุดบริการไปยังภูมิภาคใกล้เคียงช่วยลดความหน่วงเครือข่าย
Vapi Blogคะแนน AI2828 Vapi เสนอ Cartesia Sonic-3 TTS ฟรีหนึ่งสัปดาห์
Vapi มอบสิทธิ์เข้าถึงโมเดล Sonic-3 TTS ที่เพิ่งเปิดตัวของ Cartesia แบบฟรีและไม่จำกัดให้กับชุมชนของตนผ่านคีย์ API ที่จัดการโดย Vapi ตั้งแต่วันที่ 28 ตุลาคมถึง 2 พฤศจิกายน Sonic-3 เพิ่มแท็กอารมณ์และเสียงหัวเราะ การควบคุมความเร็วและระดับเสียงอย่างละเอียด และรองรับ 27 ภาษาใหม่ Vapi แนะนำให้เริ่มต้นด้วยเสียง Kira และ Ariana สำหรับเอเจนต์ที่มีความหน่วงต่ำและฟังดูเป็นธรรมชาติ
Modal Blogคะแนน AI2222 Zencastr ถอดเสียงเสียงบันทึกหลายร้อยปีได้ภายในไม่กี่วันด้วย Modal
Zencastr ย้ายงานถอดเสียงพอดแคสต์ไปยังแพลตฟอร์ม GPU ของ Modal ขยายกำลังถึง GPU 1,500 ตัวพร้อมกันภายในไม่กี่นาที เพื่อประมวลผลเสียงหลายร้อยปีภายในไม่กี่วัน การเปลี่ยนจากโหนด GPU Kubernetes ที่จัดการเองไปสู่โครงสร้างพื้นฐานแบบ scale-to-zero ของ Modal ช่วยลดต้นทุน GPU ที่ไม่ได้ใช้งาน และขจัดภาระการจัดการไดรเวอร์และ dependencies ทั้งหมด งาน ML หลักทั้งหมดทำงานบน Modal แล้ว รวมถึงการถอดเสียง การนับจำนวนผู้พูด การตรวจจับเสียงหัวเราะ และการให้คะแนนคุณภาพเสียง
Modal Blogคะแนน AI5252 Modal เปิดตัวโมเดล ASR สำหรับถอดเสียงแบบแบตช์ด้วยความเร็วและต้นทุนที่ดีขึ้น 100 เท่า
Modal ได้พัฒนาบริการถอดเสียงแบบแบตช์บนแพลตฟอร์มของตนโดยใช้ parakeet-tdt-0.6b-v2 และ canary-1b-flash ของ NVIDIA โดยรายงานว่าประสิทธิภาพแบบ end-to-end เร็วกว่า 100 เท่าหรือถูกกว่า 100 เท่าเมื่อเทียบกับ API ASR เชิงพาณิชย์ยอดนิยม ขณะที่อัตราความผิดพลาดใกล้เคียงกันกับเสียงทดสอบ ESB ประมาณหนึ่งสัปดาห์ ทีมงานระบุว่าประสิทธิภาพที่ดีขึ้นนี้มาจากการสลับไฟล์ระหว่างชุดคำขอ การเรียงลำดับเสียงตามความยาวภายในชุด GPU การดาวน์โหลดแบบขนาน และการเลือกการกำหนดค่า GPU และ worker จากข้อมูลเชิงประจักษ์ บทความอธิบายสถาปัตยกรรมและขั้นตอนการปรับแต่งเพื่อให้ผู้อื่นสามารถสร้างบริการที่คล้ายกันได้
Vapi Blogคะแนน AI3838 Vapi เปิดตัวแคมเปญโทรออกผ่านการอัปโหลด CSV
Vapi ตอนนี้ให้ผู้ใช้ออกแคมเปญโทรออกได้โดยการอัปโหลด CSV ของหมายเลขโทรศัพท์และตัวแปรที่กำหนดเอง จากนั้นมอบหมายผู้ช่วยหรือเวิร์กโฟลว์ให้ทำงาน Vapi จัดการคิว การทำงาน และการบันทึก โดยสถานะการโทรแสดงในแดชบอร์ด แคมเปญต้องใช้หมายเลขโทรศัพท์ที่ยืนยันแล้ว เนื่องจากไม่สามารถใช้หมายเลขของ Vapi ได้
Vapi Blogคะแนน AI2222 Mistral vs Llama 3: การเปรียบเทียบแบบครบถ้วนสำหรับแอปพลิเคชัน Voice AI
Mistral และ Llama 3 มีแนวคิดที่แตกต่างกันสำหรับ Voice AI: โมเดล Mistral ตั้งแต่ 7B ถึง Mistral Small 3.1 (24B) เน้นประสิทธิภาพแบบ low-latency ขณะที่ Llama 3 ขยายจาก 8B ถึง 70B เพื่อการ reasoning ที่แข็งแกร่งขึ้นและการรองรับหลายภาษา Mistral Small 3.1 ใช้เวลา 0.29 วินาทีถึง token แรกที่ 150-166 tokens ต่อวินาที และ Mistral Small 24B เอาชนะ Llama 3.1 8B Instruct ใน ARC-C, GPQA และ MMLU ขณะที่ Llama 3.1 405B ทำคะแนนได้ 85.2% ใน MMLU และ 96.8% ใน GSM8K
Vapi Blogคะแนน AI2222 8 ทางเลือกแทน Azure สำหรับ Voice AI STT บน Vapi
Vapi ตอนนี้มีผู้ให้บริการ speech-to-text แปดราย — Gladia, AssemblyAI, Deepgram, Cartesia, Talkscriber, OpenAI, Speechmatics และ ElevenLabs — เป็นทางเลือกที่เปลี่ยนแทน Azure ได้ทันทีสำหรับ voice agents การสลับผู้ให้บริการใช้เพียงเปลี่ยนพารามิเตอร์ JSON หนึ่งค่า ทำให้นักพัฒนาสามารถเปรียบเทียบ latency ต้นทุน และการปฏิบัติตามข้อกำหนดได้ Gladia อ้างว่า latency แบบ end-to-end ต่ำกว่า 100 ms, AssemblyAI รวมสรุปและ PII redaction ไว้ในการเรียก API ครั้งเดียว และ Cartesia ทำงานบน on-premises ได้เต็มรูปแบบ
Vapi Blogคะแนน AI1818 ห้าวิธีที่ตัวแทนอสังหาริมทรัพย์ใช้ AI ได้
คู่มือระบุห้าวิธีที่ตัวแทนอสังหาริมทรัพย์สามารถใช้ AI ได้ รวมถึง voice agent ที่สร้างบน Vapi ซึ่งรับสาย คัดกรองลีด และจองนัดชมทรัพย์ได้ตลอด 24 ชั่วโมง นอกจากนี้ยังครอบคลุมการทำคอนเทนต์อัตโนมัติด้วย ChatGPT และ Canva ตลอดจนเครื่องมือกำหนดราคา AI อย่าง HouseCanary และ CoreLogic ที่สร้างการประเมินมูลค่าพร้อมคะแนนความเชื่อมั่น
Vapi Blogคะแนน AI3838 Deepgram Nova-3 กับ Nova-2: วิวัฒนาการของ STT Engine
Nova-3 ของ Deepgram ลดอัตราความผิดพลาดระดับคำแบบสตรีมมิ่งจาก 8.4% ของ Nova-2 เหลือ 6.84% และทำ WER แบบแบตช์ได้ 5.26% ซึ่งเป็นการลดความผิดพลาดแบบสตรีมมิ่งลง 54.3% Nova-3 แทนที่โมเดลเฉพาะโดเมนแยกของ Nova-2 ด้วยเครือข่ายปรับตัวได้เพียงตัวเดียว และเพิ่มการจัดการบทสนทนาหลายภาษาแบบเรียลไทม์ รองรับคำกำหนดเองแบบเซลฟ์เซอร์วิสสูงสุด 100 คำโดยไม่ต้องเทรนใหม่ และการปิดบังข้อมูลสูงสุด 50 เอนทิตี ทั้งสองโมเดลทำงานแบบเนทีฟบน Vapi ด้วยเอนด์พอยต์เดียวกัน การสลับจึงเป็นเพียงการเปลี่ยนพารามิเตอร์ แม้ Nova-3 จะอยู่ในระดับราคาพรีเมียมของ Deepgram
Vapi Blogคะแนน AI2222 GPT-4.1 กับ Claude 3.7 Sonnet: AI ตัวไหนให้ Voice Agent ที่ดีกว่า?
Vapi เปรียบเทียบ GPT-4.1 และ Claude 3.7 Sonnet ในฐานะ LLM เบื้องหลัง voice agent โดยพิจารณาคุณภาพการสนทนา การจัดการบริบท ความโปร่งใสในการให้เหตุผล การผสานรวมแพลตฟอร์ม และค่าใช้จ่าย GPT-4.1 มีหน้าต่างบริบท 1,000,000 โทเคน และเอาต์พุต 32,768 โทเคน พร้อมส่วนลดแคช 75% ขณะที่ Claude 3.7 มีบริบท 200,000 โทเคน และเอาต์พุต 128,000 โทเคน ทั้งสองโมเดลสามารถเลือกใช้ได้บนแพลตฟอร์ม voice agent ของ Vapi
Vapi Blogคะแนน AI3535 ElevenLabs กับ OpenAI TTS: อันไหนเหมาะกับคุณ?
ElevenLabs Flash v2.5 มีเวลาแฝงเสียงแรก 75ms เทียบกับ 200ms ของ OpenAI ขณะที่ OpenAI คิดค่าบริการ 15 ดอลลาร์ต่อล้านตัวอักษร เทียบกับแพ็กเกจรายเดือน 5–1,320 ดอลลาร์ของ ElevenLabs ElevenLabs มีเสียงกว่า 3,000 เสียงพร้อมการโคลนเสียงและความแม่นยำระดับคำ 82% เทียบกับ 11 เสียงคงที่ของ OpenAI ที่ 77% ผู้ให้บริการ TTS ทั้งสองรายถูกสร้างไว้ใน Vapi เพื่อการทดสอบโดยตรง
Vapi Blogคะแนน AI2222 สามตัวอย่างของ AI เสียงที่ช่วยพัฒนาระบบโลจิสติกส์
Vapi นำเสนอกรณีการใช้งาน AI เสียงในระบบโลจิสติกส์สามกรณี: ShipEX ใช้ระบบเสียงอัจฉริยะกับรถบรรทุก 350 คันเพื่อจัดการการแจ้งเตือนการบำรุงรักษาและรายงานอุบัติเหตุ ระบบหยิบสินค้าด้วยเสียงของ Idaho State Liquor Division เพิ่มอัตราการหยิบสินค้าได้ 35% และช่างเทคนิคซ่อมบำรุงบันทึกปัญหาด้วยเสียงเพื่อสร้างใบสั่งงาน CMMS โดยอัตโนมัติ บทความยังอธิบายรายละเอียดการเชื่อมต่อ API กับระบบ TMS, CRM และ WMS รวมถึงข้อควรพิจารณาในการติดตั้งใช้งาน
Vapi Blogคะแนน AI2222 11 ทางเลือก ElevenLabs ที่ยอดเยี่ยม: โมเดล TTS แบบ Vapi-Native
Vapi มีโมเดลแปลงข้อความเป็นเสียงในตัว 11 โมเดลเป็นทางเลือกแทน ElevenLabs ได้แก่ Neu-hq และ Neu-fast ของ Neuphonic, กลุ่มผลิตภัณฑ์ Sonic ของ Cartesia, Azure TTS, OpenAI TTS, Deepgram, Lightning ของ Smallest AI, LMNT, PlayHT, Octave ของ Hume และ Mist v2 ของ Rime AI นักพัฒนาสามารถสลับระหว่างโมเดลเหล่านี้ได้ในไม่กี่นาทีโดยไม่ต้องเขียนโค้ดใหม่ และ Vapi ระบุว่าบริการจัดการสายเสียงมากกว่าหนึ่งล้านสายต่อวันผ่านโมเดลเหล่านี้
Vapi Blogคะแนน AI1515 ทางเลือก Speechify ที่ดีที่สุด: เปรียบเทียบเครื่องมือ TTS 5 ตัว
การเปรียบเทียบทางเลือก Speechify ห้าตัวเลือกเลือก NaturalReader สำหรับการใช้งานข้ามอุปกรณ์และการผสานรวมแอปที่ราคา $119 ต่อปี, Voice Dream Reader สำหรับการควบคุมด้วยเสียงบน iPhone ในราคาจ่ายครั้งเดียว $14.99, และ Murf AI สำหรับเสียงระดับมืออาชีพเริ่มต้นประมาณ $19 ต่อเดือน ReadSpeaker เน้นการอ่านหน้าเว็บใน 45 ภาษาเริ่มต้นที่ $4.90 ต่อเดือน ขณะที่ Balabolka เป็นตัวเลือกฟรีสำหรับ Windows เท่านั้น
Vapi Blogคะแนน AI2525 การเลือกระหว่างโมเดล Gemini สำหรับ Voice AI
Vapi อธิบายวิธีเลือกจากสี่โมเดล Gemini สำหรับ voice agents: Gemini 1.0 Pro สำหรับโฟลว์ที่คาดเดาได้และเป็นมิตรต่อการปฏิบัติตามข้อกำหนดในราคา $0.50 อินพุตและ $2.00 เอาต์พุตต่อล้านโทเค็น, Gemini 1.5 Flash สำหรับงานปริมาณมากด้วยหน้าต่างบริบท 1M โทเค็น, Gemini 1.5 Pro สำหรับการให้เหตุผลเชิงลึกด้วยหน้าต่าง 2M โทเค็นและความแม่นยำในการดึงข้อมูลบริบทยาว 99.7% และ Gemini 2.0 Flash สำหรับการเรียกใช้เครื่องมือแบบเนทีฟ
Vapi Blogคะแนน AI1010 ความรู้เบื้องต้นเกี่ยวกับ SRTP: โปรโตคอลการรับส่งข้อมูลแบบเรียลไทม์ที่ปลอดภัย
SRTP ช่วยรักษาความปลอดภัยของสตรีมเสียงและวิดีโอ RTP โดยเพิ่มเพย์โหลดที่เข้ารหัส แท็กการรับรองความถูกต้อง และตัวระบุคีย์หลักลงในแต่ละแพ็กเก็ตสื่อ โดยอาศัยโหมด AES counter และแท็กการรับรองความถูกต้อง HMAC-SHA1 เป็นหลัก พร้อมหมายเลขลำดับที่ป้องกันการโจมตีแบบเล่นซ้ำ และทำงานร่วมกับ DTLS-SRTP หรือ SDES สำหรับการแลกเปลี่ยนคีย์ SRTP ถูกวางตำแหน่งเป็นทางเลือกในชั้นแอปพลิเคชันที่มีโอเวอร์เฮดต่ำสำหรับการสื่อสารแบบเรียลไทม์ โดยอ้างอิง GDPR, HIPAA และ CPRA เป็นปัจจัยขับเคลื่อนด้านการปฏิบัติตามข้อกำหนด
Vapi Blogคะแนน AI1818 ไฟล์ Env และตัวแปรสภาพแวดล้อมสำหรับโปรเจกต์ Voice AI
คู่มือการใช้งานไฟล์ .env และการตั้งค่าสภาพแวดล้อมในโปรเจกต์ Voice AI ครอบคลุมการตั้งค่า dotenv สำหรับ Node.js และ Python การเพิ่ม .env ลงใน .gitignore และคีย์เฉพาะของ Vapi เช่น VAPI_API_KEY และ VAPI_PROJECT_ID โดยอ้างอิงการค้นพบของ GitGuardian ที่พบ secrets รั่วไหลบน GitHub จำนวน 12.8 ล้านรายการในปี 2023 เพิ่มขึ้น 28% และแนะนำให้แยกไฟล์ env ตามสภาพแวดล้อม พร้อมเครื่องมือเช่น git-crypt, SOPS, AWS Secrets Manager และ HashiCorp Vault
Vapi Blogคะแนน AI1818 5 ทางเลือก Character AI ชั้นนำสำหรับการผสานรวมเสียงอย่างไร้รอยต่อ
บทความรวบรวมจากบล็อก Vapi ระบุทางเลือก 5 รายสำหรับการผสานรวมเสียงแทน Character AI ได้แก่ Vapi, AnimaAI, JasperAI, Novel AI และ AI Dungeon โดย Vapi ถูกนำเสนอในฐานะแพลตฟอร์ม Voice AI แบบ API-native ที่รองรับกว่า 100 ภาษา เชื่อมต่อกับแอปพลิเคชันกว่า 40 รายการ พร้อม voice agent ที่ขับเคลื่อนด้วย Sesame และชุดทดสอบอัตโนมัติสำหรับตรวจจับ hallucination
Vapi Blogคะแนน AI1818 Amazon Lex กับ Dialogflow: คู่มือเปรียบเทียบแพลตฟอร์มฉบับสมบูรณ์
Amazon Lex เหมาะกับทีมที่ใช้งาน AWS อยู่แล้วและต้องการการผสานรวมที่แน่นแฟ้นกับบริการของ Amazon ขณะที่ Dialogflow มีการรองรับภาษาที่กว้างกว่าและมีเส้นทางการเรียนรู้ที่ง่ายกว่าสำหรับผู้เริ่มต้น Lex ใช้เทคโนโลยีของ Alexa โดยมีราคาแบบจ่ายตามการใช้งาน รวมถึงระดับฟรี 10,000 คำขอข้อความและ 5,000 คำขอเสียงต่อเดือนในปีแรก และ Dialogflow รองรับมากกว่า 30 ภาษาพร้อมเอเจนต์สำเร็จรูปและการวิเคราะห์ความรู้สึก
Vapi Blogคะแนน AI1818 Narakeet: เปลี่ยนข้อความเป็นเสียงพูดที่เป็นธรรมชาติ
Narakeet แปลงสคริปต์ที่เขียนเป็นเสียงบรรยายที่สมจริง โดยมีเสียงมากกว่า 600 เสียงในกว่า 70 ภาษา และรองรับกว่า 140 ภาษาและภาษาถิ่น แพลตฟอร์มซิงค์การบรรยายกับ PowerPoint, Google Slides และไฟล์ Markdown สร้างคำบรรยายและแคปชัน และมี API สำหรับนักพัฒนาที่รองรับการประมวลผลแบบแบตช์ แพ็กเกจเริ่มต้นที่ประมาณ $5 ต่อเดือน และมีระดับฟรีให้ใช้
Vapi Blogคะแนน AI2020 10 เครื่องมือถอดเสียงทางการแพทย์แบบโอเพนซอร์สที่ดีที่สุด
คู่มือจัดอันดับโมเดลถอดเสียงแบบโอเพนซอร์ส 10 รายการสำหรับการใช้งานทางคลินิก โดยประเมินจากความแม่นยำแบบเรียลไทม์ การจัดการศัพท์ทางการแพทย์ ความน่าเชื่อถือในการปฏิบัติงาน และความปลอดภัยของข้อมูล รายการครอบคลุม Vosk, DeepSpeech, SpeechBrain, OpenAI Whisper และ ESPnet ซึ่งจับคู่กับสภาพแวดล้อม เช่น คลินิกชนบทที่มีทรัพยากรจำกัด โรงพยาบาลหลายภาษา และศูนย์วิจัยที่ใช้ศัพท์เฉพาะทางหนัก ทั้งหมดสามารถเชื่อมต่อกับแพลตฟอร์ม AI เสียงแบบไม่ผูกกับโมเดลของ Vapi
Vapi Blogคะแนน AI3838 Vapi เพิ่มการรองรับ SMS ให้กับเอเจนต์ AI เสียง
Vapi รองรับ SMS แล้ว ทำให้เอเจนต์ AI เสียงสามารถส่งและรับข้อความระหว่างการโทรได้ เอเจนต์สามารถตอบกลับข้อความที่เข้ามาแบบเรียลไทม์ สลับจากเสียงเป็นข้อความกลางบทสนทนา และทำงานแบบข้อความล้วนได้ ปัจจุบัน SMS ใช้ได้กับ Twilio เท่านั้น
Vapi Blogคะแนน AI4040 Vapi เปิดตัว MCP Server สำหรับควบคุม Voice Agent จาก Claude Desktop และ Cursor
Vapi เปิดตัว Vapi MCP Server ช่วยให้เครื่องมือ AI agent สามารถเรียกใช้ voice flow แบบเรียลไทม์และการโทรออกผ่าน function calling รองรับการเชื่อมต่อกับ Claude Desktop และการเข้าถึงระยะไกลผ่าน SSE ผู้ใช้จึงสามารถสั่งให้ Claude โทรออกหรือตั้งเวลาติดตามผลด้วยภาษาธรรมชาติได้ เซิร์ฟเวอร์นี้ใช้งานได้ผ่าน @vapi-ai/mcp-server ทั้งแบบโลคอลหรือผ่าน hosted SSE endpoint
Vapi Blogคะแนน AI2020 การขยายการรับลูกค้าเบื้องต้นด้วย Vapi Voice AI Agents: กรณีศึกษาของที่ปรึกษา
Christian Ulstrup ที่ปรึกษาจาก GSD at Work ใช้ Vapi voice AI agents แทนการนัดสายค้นหาความต้องการแบบกำหนดเวลา ด้วยระบบรับข้อมูลเสียงแบบอะซิงโครนัสสำหรับเวิร์กช็อป AI Action Sessions ของเขา ผู้เข้าร่วมโทรเข้าสายโทรศัพท์ Vapi เฉพาะตามความสะดวก และทรานสคริปต์พร้อมสรุปที่สร้างโดย AI จะไหลเข้าสู่ Slack ผ่าน Zapier และถูกบันทึกใน HubSpot สำหรับลูกค้ารายล่าสุด 20 คนจากทั่วโลกมีส่วนร่วมในการค้นหาความต้องการรวมกว่า 3 ชั่วโมง และเซสชันได้รับคะแนน 5 จาก 5
Vapi Blogคะแนน AI2020 ศูนย์บริการโทรศัพท์ด้วย AI กำลังเปลี่ยนการสนับสนุนลูกค้าอย่างไร
ศูนย์บริการโทรศัพท์ด้วย AI กำลังปรับโฉมการสนับสนุนลูกค้าโดยแก้ไขสายเรียกปกติได้ในไม่กี่วินาทีแทนการรอนาน อย่างเช่นกรณีสอบถามเรื่องระบบขัดข้องที่จัดการได้ใน 30 วินาที Gartner ประเมินว่าประมาณ 25% ของการปฏิสัมพันธ์ด้านบริการลูกค้าจะเกี่ยวข้องกับ AI ภายในปี 2027 เพิ่มขึ้นจาก 2% ในปี 2022 เป็นตลาดมูลค่า 15-20 พันล้านดอลลาร์ภายในปี 2027-2028 ด้วยอัตราการเติบโตต่อปีแบบทบต้นราว 25-30% บทความกล่าวถึงจุดเจ็บปวดของศูนย์บริการโทรศัพท์แบบดั้งเดิม เช่น เวลาตอบสนองที่ช้า ปริมาณสายพุ่งสูงในช่วงเวลาเร่งด่วน และเวลาทำการจำกัด และวิธีที่ระบบอัตโนมัติด้วย AI เข้ามาแก้ไข