Vapi 推出 Composer，一款可在仪表盘内构建语音代理的 AI 助手
Vapi 发布了 Composer，这是一款内置于 Vapi Dashboard 的 AI 助手，可根据描述构建语音代理，撰写提示词、配置设置、开通电话号码、构建工具并设置集成。Composer 还可以调取通话日志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，无需设置或引导流程。
#语音
Vapi BlogAI 评分5555
Vapi BlogAI 评分3838 Vapi Voices Beta 发布，面向高并发语音 AI，每分钟 0.0025 美元
Vapi 发布了 Vapi Voices Beta，这是一系列专为高并发、成本敏感的语音 AI 用例构建的语音模型，定价为每分钟 0.0025 美元，延迟针对对话响应性进行了优化。这些模型出现在现有的语音下拉菜单中，与 ElevenLabs、PlayHT 和 Deepgram 等提供商并列，因此团队可以将预约提醒和路由菜单等高并发、低风险流程路由到这些模型，而无需任何集成更改。Vapi 表示，正式可用性取决于 beta 使用所揭示的用例、真实负载下的延迟以及节省是否重要。
Vapi BlogAI 评分4242 Vapi 新增结构化输出，可从语音 AI 通话中提取经 schema 校验的数据
Vapi 现已为所有语音 AI 助手支持结构化输出，确保每通电话返回的数据都符合开发者定义的 JSON schema。Schema 在运行时借助 OpenAI、Anthropic、Gemini 等厂商的原生能力强制执行，并可在多个助手之间复用。提取的数据会通过通话完成 webhook 和 REST API 送达。
Vapi BlogAI 评分3535 GPT-5.1 为语音 AI 带来个性预设，现已在 Vapi 上线
OpenAI 的 GPT-5.1 新增了一致的个性预设——Default、Professional、Friendly、Candid、Quirky、Efficient、Nerdy 和 Cynical——以及更具对话感的 GPT-5.1 Instant 和快速自适应推理，让简单问题得到快速回复，而复杂问题则获得更多思考。Vapi 表示，该模型已于上周随 OpenAI 的发布在其平台上线，使语音智能体无需重写提示词即可采用与品牌一致的语调。
Modal BlogAI 评分4040 Decagon 如何在 Modal 上交付实时语音 AI
Decagon 与 Modal 合作构建了 Decagon Voice 2.0，将延迟降低 65%，同时提升了意图识别和响应质量。Decagon 通过 SFT 和 RL 微调紧凑的开源模型，使其超越更大的前沿模型；Modal 则训练了自定义 EAGLE3 草稿模型，接受长度提高 38%，并重新设计了 SGLang，加入异步投机解码调度器，将吞吐量提升最高 12%。
Vapi BlogAI 评分1818 Vapi 创始人回顾打造 VapiCon：首届语音 AI 峰会
Vapi 创始人回顾了公司如何举办 VapiCon——号称首届语音 AI 峰会，吸引了 850 名参会者，并让来自 OpenAI、Deepgram 和 Assembly AI 的语音 AI 领袖齐聚一堂。Vapi 在该活动上花费约 50 万美元，收回约 40 万美元，创始人称真正的回报是合作关系和企业交易。公司现已推出 VapiCon 视频库，收录所有会议和小组讨论。
Modal BlogAI 评分5858 Modal、Pipecat 与开源模型实现一秒语音到语音延迟
Modal 的 Ben Shababo 详细介绍了如何用开源 Pipecat 框架和开放权重模型在 Modal 上构建对话语音机器人，当客户端与容器地理位置接近时，语音到语音延迟中位数约为 1 秒。该流水线使用 NVIDIA parakeet-tdt-0.6b-v3 做 STT，用 vLLM 服务 Qwen3-4B-Instruct-2507，用 KokoroTTS 做语音输出，并用 ChromaDB 搭配 all-minilm-l6-v2 在 Modal 文档上做 RAG。Modal Tunnels 绕过输入平面，为 STT、TTS 和 vLLM 服务提供低延迟的 WebSocket 和 HTTP 连接；同时，与每个对话会话绑定的 FunctionCall 恢复了自动扩缩容能力，而将服务固定到附近区域则降低了网络延迟。
Vapi BlogAI 评分2828 Vapi 提供一周免费的 Cartesia Sonic-3 TTS
从 10 月 28 日到 11 月 2 日，Vapi 通过其托管 API 密钥，向社区免费开放 Cartesia 新推出的 Sonic-3 TTS 模型的无限制访问。Sonic-3 新增了情绪和笑声标签、细粒度的语速和音量控制，并支持 27 种新语言。Vapi 建议从 Kira 和 Ariana 语音开始，以获得低延迟、听起来自然的智能体。
Modal BlogAI 评分2222 Zencastr 如何借助 Modal 在几天内转录数百年的音频
Zencastr 将其播客转录工作负载迁移到 Modal 的 GPU 平台，在几分钟内扩展到 1,500 个并发 GPU，仅用几天时间就处理了数百年的音频。从自管理的 Kubernetes GPU 节点转向 Modal 的缩容到零基础设施，降低了空闲 GPU 成本，并消除了驱动程序和依赖管理的开销。所有核心 ML 工作负载现在都在 Modal 上运行，包括转录、说话人计数、笑声检测和音频质量评分。
Modal BlogAI 评分5252 Modal 为批量转录开源 ASR 模型提供基准测试，速度提升 100 倍、成本降低 100 倍
Modal 在其平台上使用 NVIDIA 的 parakeet-tdt-0.6b-v2 和 canary-1b-flash 实现了批量转录服务，报告称其端到端性能比一个流行的专有 ASR API 快 100 倍以上或便宜 100 倍，同时在约一周的 ESB 基准音频上错误率与之相当。团队将这一提升归因于跨请求批次打乱文件、在 GPU 批次内按音频时长排序、并行下载，以及根据经验选择的 GPU 和 worker 配置。文章详细介绍了架构和优化步骤，以便他人构建类似服务。
Vapi BlogAI 评分3838 Vapi 推出通过 CSV 上传发起外呼活动的功能
Vapi 现在允许用户通过上传包含电话号码和自定义变量的 CSV 文件来发起外呼活动，然后分配一个助手或工作流来执行。Vapi 负责排队、执行和记录，通话状态可在仪表板中查看。活动需要使用已验证的电话号码，不能使用 Vapi 号码。
Vapi BlogAI 评分2222 Mistral 与 Llama 3：语音 AI 应用的完整对比
Mistral 和 Llama 3 在语音 AI 的设计理念上存在分歧：Mistral 的 7B 到 Mistral Small 3.1（24B）模型偏向低延迟效率，而 Llama 3 从 8B 扩展到 70B，以获得更强的推理能力和多语言覆盖。Mistral Small 3.1 的首 token 时间达到 0.29 秒，速度为每秒 150-166 个 token；Mistral Small 24B 在 ARC-C、GPQA 和 MMLU 上优于 Llama 3.1 8B Instruct；而 Llama 3.1 405B 在 MMLU 上得分 85.2%，在 GSM8K 上得分 96.8%。
Vapi BlogAI 评分2222 Vapi 上语音 AI STT 的 8 个 Azure 替代方案
Vapi 现在提供八家语音转文本提供商——Gladia、AssemblyAI、Deepgram、Cartesia、Talkscriber、OpenAI、Speechmatics 和 ElevenLabs——作为语音代理中 Azure 的即插即用替代方案。切换提供商只需更改一个 JSON 参数，让开发者能够对延迟、成本和合规性进行基准测试。Gladia 声称端到端延迟低于 100 毫秒，AssemblyAI 在一次 API 调用中捆绑了摘要和 PII 脱敏功能，而 Cartesia 完全在本地运行。
Vapi BlogAI 评分1818 房地产经纪人使用AI的五种方式
一份指南概述了房地产经纪人使用AI的五种方式，包括基于Vapi构建的语音代理，可全天候接听电话、筛选潜在客户并预约看房。指南还涵盖使用ChatGPT和Canva自动化内容创作，以及HouseCanary和CoreLogic等AI定价工具，这些工具能生成带有置信度评分的估值。
Vapi BlogAI 评分3838 Deepgram Nova-3 与 Nova-2：STT 引擎如何演进
Deepgram 的 Nova-3 将流式词错误率从 Nova-2 的 8.4% 降至 6.84%，批处理 WER 达到 5.26%，流式错误减少 54.3%。Nova-3 用单一可适配网络取代了 Nova-2 各自独立的领域专用模型，并新增实时多语言对话处理、无需重新训练即可自助添加最多 100 个自定义术语，以及最多 50 个实体的脱敏功能。两款模型均在 Vapi 上原生运行且端点相同，因此切换只需更改参数，不过 Nova-3 属于 Deepgram 的高端定价层级。
Vapi BlogAI 评分2222 GPT-4.1 与 Claude 3.7 Sonnet：哪个 AI 能提供更好的语音代理？
Vapi 比较了 GPT-4.1 和 Claude 3.7 Sonnet 作为语音代理背后的 LLM，权衡了对话质量、上下文处理、推理透明度、平台集成和成本。GPT-4.1 提供 1,000,000 token 上下文窗口和 32,768 token 输出，并享有 75% 缓存折扣，而 Claude 3.7 提供 200,000 token 上下文和 128,000 token 输出。两款模型均可在 Vapi 的语音代理平台上选择。
Vapi BlogAI 评分3535 ElevenLabs 与 OpenAI TTS：哪个更适合你？
ElevenLabs Flash v2.5 的首音频延迟为 75ms，而 OpenAI 为 200ms；OpenAI 每百万字符收费 15 美元，而 ElevenLabs 提供每月 5 至 1,320 美元的套餐。ElevenLabs 提供 3,000 多种声音并支持克隆，词准确率为 82%，而 OpenAI 提供 11 种固定声音，准确率为 77%。这两家 TTS 提供商都已集成到 Vapi 中，可直接测试。
Vapi BlogAI 评分2222 语音AI改善物流的三个案例
Vapi概述了物流领域的三个语音AI用例：ShipEX在350辆卡车上使用语音智能来路由维护警报和事故报告；爱达荷州酒类管理局的语音拣选系统将拣选率提高了35%；维护技术人员通过语音记录问题，自动创建CMMS工单。文章还详细介绍了与TMS、CRM和WMS系统的API集成以及部署注意事项。
Vapi BlogAI 评分2222 11 个优秀的 ElevenLabs 替代方案：Vapi 原生 TTS 模型
Vapi 现在提供 11 个内置文本转语音模型作为 ElevenLabs 的替代方案，包括 Neuphonic 的 Neu-hq 和 Neu-fast、Cartesia 的 Sonic 系列、Azure TTS、OpenAI TTS、Deepgram、Smallest AI 的 Lightning、LMNT、PlayHT、Hume 的 Octave 以及 Rime AI 的 Mist v2。开发者可以在几分钟内切换这些模型，无需重新编码，Vapi 表示其通过这些模型每天处理超过一百万次语音通话。
Vapi BlogAI 评分1515 最佳 Speechify 替代品：5 款 TTS 工具对比
对五款 Speechify 替代品的对比显示：NaturalReader 因跨设备使用和应用集成而胜出，每年 119 美元；Voice Dream Reader 因 iPhone 语音控制而胜出，一次性价格 14.99 美元；Murf AI 因专业语音而胜出，每月约 19 美元起。ReadSpeaker 专注于跨 45 种语言朗读网页，每月 4.90 美元起；Balabolka 则是仅限 Windows 的免费选项。
Vapi BlogAI 评分2525 为语音 AI 选择 Gemini 模型
Vapi 介绍了如何在四款 Gemini 模型中为语音智能体做选择：Gemini 1.0 Pro 适合可预测、符合合规要求的流程，输入每百万 token 0.50 美元、输出每百万 token 2.00 美元；Gemini 1.5 Flash 适合高吞吐量工作，上下文窗口为 100 万 token；Gemini 1.5 Pro 适合深度推理，上下文窗口为 200 万 token，长上下文检索准确率达 99.7%；Gemini 2.0 Flash 支持原生工具调用。
Vapi BlogAI 评分1010 SRTP 简介：安全实时传输协议
SRTP 通过为每个媒体数据包添加加密载荷、认证标签和主密钥标识符来保护 RTP 语音和视频流。它主要依赖 AES 计数器模式和 HMAC-SHA1 认证标签，用序列号阻止重放攻击，并与 DTLS-SRTP 或 SDES 配合进行密钥交换。SRTP 被定位为实时通信中开销较低的应用层选项，GDPR、HIPAA 和 CPRA 被列为合规驱动因素。
Vapi BlogAI 评分1818 语音 AI 项目中的 .env 文件与环境变量
一份关于在语音 AI 项目中使用 .env 文件与环境配置的指南，涵盖 Node.js 与 Python 的 dotenv 设置、将 .env 加入 .gitignore，以及 VAPI_API_KEY 和 VAPI_PROJECT_ID 等 Vapi 专用密钥。文中引用 GitGuardian 的发现：2023 年 GitHub 上泄露了 1280 万个密钥，同比增长 28%，并建议按环境拆分 env 文件，同时使用 git-crypt、SOPS、AWS Secrets Manager 和 HashiCorp Vault 等工具。
Vapi BlogAI 评分1818 无缝语音集成的五大 Character AI 替代方案
Vapi 博客的一篇汇总列出了五个用于语音集成的 Character AI 替代方案：Vapi、AnimaAI、JasperAI、Novel AI 和 AI Dungeon。Vapi 被宣传为原生 API 的 Voice AI 平台，支持 100 多种语言，可连接 40 多个应用，配备由 Sesame 驱动的语音代理以及用于捕捉幻觉的自动化测试套件。
Vapi BlogAI 评分1818 Amazon Lex 与 Dialogflow：完整平台对比指南
Amazon Lex 适合已在使用 AWS、需要与 Amazon 服务紧密集成的团队，而 Dialogflow 提供更广泛的语言支持，对新手来说学习曲线也更平缓。Lex 采用 Alexa 的技术，按使用量付费，第一年每月包含 10,000 次文本请求和 5,000 次语音请求的免费额度；Dialogflow 支持 30 多种语言，并提供预构建代理和情感分析。
Vapi BlogAI 评分1818 Narakeet：将文本转换为自然流畅的语音
Narakeet 可将书面文稿转换为逼真的配音，提供 70 多种语言的 600 多种声音，并支持 140 多种语言和方言。该平台可将旁白与 PowerPoint、Google Slides 和 Markdown 文件同步，生成字幕和说明文字，并提供支持批处理的开发者 API。套餐起价约为每月 5 美元，并提供免费套餐。
Vapi BlogAI 评分2020 10 款最佳开源医疗语音转文字工具
一份指南对 10 个用于临床的开源语音转文字模型进行了排名，评估维度包括实时准确率、临床术语处理、运行可靠性和数据安全。榜单涵盖 Vosk、DeepSpeech、SpeechBrain、OpenAI Whisper 和 ESPnet，并分别匹配到低资源农村诊所、多语言医院和术语密集型研究中心等场景。所有模型均可集成到 Vapi 的模型无关语音 AI 平台。
Vapi BlogAI 评分3838 Vapi 为其语音 AI 智能体新增短信支持
Vapi 现已支持短信，使其语音 AI 智能体能够在通话过程中收发文本消息。智能体可以实时回复收到的短信，在对话中途从语音切换到文本，并运行完全基于文本的流程；短信目前仅支持 Twilio。
Vapi BlogAI 评分4040 Vapi 推出 MCP Server，可从 Claude Desktop 和 Cursor 控制语音智能体
Vapi 发布了 Vapi MCP Server，让 AI 智能体工具通过函数调用触发实时语音流程和外呼。它支持 Claude Desktop 集成以及通过 SSE 进行远程访问，因此用户可以用自然语言让 Claude 拨打电话或安排跟进。该服务器可通过 @vapi-ai/mcp-server 获取，支持本地运行或通过托管的 SSE 端点访问。
Vapi BlogAI 评分2020 用 Vapi 语音 AI 代理扩展客户接待：一位顾问的案例研究
GSD at Work 的顾问 Christian Ulstrup 使用 Vapi 语音 AI 代理，为其 AI Action Sessions 工作坊打造了一套异步语音接待系统，取代了原先预约的探索电话。参与者可在方便时拨打专用的 Vapi 电话线，转录文本和 AI 生成的摘要通过 Zapier 流入 Slack，并记录在 HubSpot 中。在最近一位客户的项目中，来自全球的 20 位参与者贡献了超过 3 小时的探索内容，该场次获得了 5 分（满分 5 分）的评价。
Vapi BlogAI 评分2020 AI呼叫中心如何改变客户支持
AI呼叫中心正在重塑客户支持：常规来电可在数秒内解决，而无需长时间等待，例如一次故障查询在30秒内得到处理。Gartner估计，到2027年约25%的客户服务交互将涉及AI，高于2022年的2%；到2027-2028年，该市场规模将达150-200亿美元，复合年增长率约为25-30%。文章涵盖传统呼叫中心的痛点，如响应速度慢、高峰时段话务激增和营业时间有限，以及AI自动化如何应对这些问题。