voice-agents
语音智能体代表 AI 交互的前沿——人类与 AI 系统自然对话。挑战不仅在于语音识别与合成，还在于在低于 800ms 延迟下实现自然对话流，同时处理打断、背景噪声和情感细微差别。本技能涵盖两种架构：语音到语音（OpenAI Realtime API，延迟最低、最自然）和流水线（STT→LLM→TTS，控制更强、更易调试）。关键洞察：延迟是约束条件。Hu
机器翻译查看英文原文
Voice agents represent the frontier of AI interaction - humans speaking naturally with AI systems. The challenge isn't just speech recognition and synthesis, it's achieving natural conversation flow with sub-800ms latency while handling interruptions, background noise, and emotional nuance. This skill covers two architectures: speech-to-speech (OpenAI Realtime API, lowest latency, most natural) and pipeline (STT→LLM→TTS, more control, easier to debug). Key insight: latency is the constraint. Hu
适用对象：学习与科研。自动收录 · 待核查。
在 Cursor 中使用
该组合的专门教程待补充，尚未核实适配。
准备条件
- 本条仅收录原作者的技能元数据；请阅读完整说明，确认依赖、许可与使用条件。
选择已有说明的 AI 工具，或在页面加载后保存待办及提出教程请求。
查看原作者说明 ↗