Artikel für Leute, die
den Stack ausliefern
Beiträge zu React, Node.js, TypeScript und AI. Ein übersetzter Text wird gezeigt, wenn er existiert. Sonst sehen Sie den englischen Text und einen Hinweis.
Tag: voice-ai
Sieben Lektionen aus der Praxis für den Aufbau eines zuverlässigen Sprach-KI-Assistenten
Latenz, Unterbrechungen, Fehlermöglichkeiten der Tools, Geschäftslogik außerhalb des Prompts, Speicher, Überwachbarkeit und Übergabe an Menschen: Was ein Sprachassistent in großem Maßstab benötigt.
7 Min. LesezeitWarum Sprachassistenten roboterhaft klingen: Kaskaden, Turn-Erkennung und das TEN-Framework
Warum Sprachassistenten roboterhaft klingen: Kaskadierte STT-, LLM- und TTS-Pipelines verursachen Pausezeiten und störende Unterbrechungen. Vier Arten von Sprachassistenten und wie TEN die Sprechphasen handhabt.
8 Min. LesezeitAgents API, Voll-Duplex-Stimme, SWE-2 und Copilot Auto Routing: Die Woche in der KI-Entwicklung
OpenAI’s verwaltete Agents API und GPT-Live-1-Stimmlayer, Effizienzversprechen von Cognition SWE-2 sowie Routing-Einstellungen von Copilot Auto, zusammen mit praktischen Hinweisen zu Kosten, Sicherheit und Bewertung.
7 Min. LesezeitSprachkI-Assistent in Live-Telefonaten: Warum Asyncio Threads übertrifft – plus drei Fehler.
Erkenntnisse aus einem Echtzeit-STT-, LLM- und TTS-Telefonassistenten: Der Umstieg von Threads auf asyncio sowie leckende Toolaufrufe, hängende Nachrichten und veraltete Übertragungen.
7 Min. LesezeitErklärung zu KI-Stimmenagenten: Wie sie funktionieren, wo sie eingesetzt werden und wo sie versagen
Erklärung der KI-Stimmenagenten: Der fünfstufige Anruffluss, die neun Bausteine, Anwendungsfälle, sechs Tests für Käufer, bekannte Grenzen, Compliance-Pflichten sowie die KPIs.
24 Min. LesezeitSprachagenten und Korrekturen: Warum es nicht reicht, die richtige Bestellnummer zu hören
Ein Sprachagent wiederholte die korrigierte Bestellnummer und änderte trotzdem die falsche Bestellung. Wie veraltete Tool-Aufrufe ein Unterbrechen überleben und wie Zustandsautomaten und Traces das aufdecken.
5 Min. LesezeitGemini 3.8 Live: native Speech-to-Speech-Sprachagenten mit der Live API
Was Gemini 3.8 Live und Extended Thinking bieten: native Audio-, Video- und Tool-Unterstützung, Live-API-Setup in Python, Audio- und Videoeingabe, Preise und Absicherung per Ephemeral Token.
9 Min. Lesezeit
Über diese Artikel
Angebot in 24 Stunden
Denselben Stack in einer Operator-Schicht? Brief schicken — Angebot in 24 Stunden.