ycliper

Популярное

Музыка Кино и Анимация Автомобили Животные Спорт Путешествия Игры Юмор

Интересные видео

2025 Сериалы Трейлеры Новости Как сделать Видеоуроки Diy своими руками

Топ запросов

смотреть а4 schoolboy runaway турецкий сериал смотреть мультфильмы эдисон
Скачать

Голосовые агенты реального времени с передовым интеллектом — Бохан Ли, EliseAI

ai

ai engineer

ai engineering

software development

tech

startups

software architecture

machine learning

Автор: AI Engineer

Загружено: 2026-09-15

Просмотров: 6944

Описание: Фоновый агент незаметно вызывает инструмент, а затем помещает результат в контекст основной модели, так что модель считает, что вызвала его сама. Этот трюк — один из трех приемов, которые Бохан Ли использует для запуска голосового агента на медленной, по-настоящему интеллектуальной модели, не позволяя звонящему заметить задержку. Ли работает над голосовым оборудованием в EliseAI и пришел из сферы беспилотных автомобилей, и он переносит каскадный голосовой стек в этот мир: транскрипция — это восприятие, языковая модель — планирование, а синтез речи — управление. Затем каждый слой оптимизируется по своим собственным параметрам. Для транскрипции он запускает два движка одновременно: быстрый потоковый, который выдает результат немедленно, и более медленный с большим контекстом, который может его корректировать, причем поздняя коррекция отбрасывается, если уже поступил более новый аудиофайл. Более медленный движок по заданному вопросу определяет, какая часть ответа является именем, а какая — датой рождения.

Прием с синтезом — самый изящный. Кэш префиксов отслеживает выходной поток модели и проверяет, существует ли уже аудиофайл для этой последовательности слов из предыдущего хода. В заготовленном разговоре вступительные фразы постоянно повторяются, поэтому обычно происходит срабатывание кэша, и оператор начинает говорить, пока остальная часть предложения еще пишется. Поставщик синтеза получает все предложение целиком и генерирует его с естественной просодией, не зная, что какая-либо его часть уже была воспроизведена, а наложение звука подавляется, так что две половины соединяются без зазора. Ли завершает разговор воспроизведением реального звонка для записи на прием в клинику, где ничего из этого не слышно.

Информация о докладчике:
https://x.com/bobowchan
  / bohan-li-7290b74a  
https://eliseai.com/

Временные метки:
0:00 - Заимствование стека самообслуживания
1:52 - Восприятие: спекулятивный транскриптор
4:24 - Генерация с опережением и вызовы фоновых инструментов
6:06 - Управление: потоковый синтез речи
6:57 - Кэш префиксов
8:37 - Скрытие границы между кэшем и провайдером
10:21 - Полный звонок для записи на прием

---

Смотрите вместе с исправленной стенограммой, резюме, временными метками и ресурсами на официальной странице этого доклада на AIE:
https://ai.engineer/talks/MBHOH1NmDqc...

Присоединяйтесь к нашим предстоящим конференциям AI Engineer (см. https://ai.engineer) (целевая страница):

AIEi Шанхай, 5–6 ноября — первая конференция для встреч с ведущими китайскими лабораториями и инженерами
AIE CODE в Сан-Франциско, 10–12 ноября — возвращается ведущая конференция по программированию в области ИИ
AIEi Сидней, 7–8 декабря — первая конференция AIEi, проводимая параллельно с NeurIPS 2026 в Сиднее

---

Не удается загрузить Youtube-плеер. Проверьте блокировку Youtube в вашей сети.
Повторяем попытку...
Голосовые агенты реального времени с передовым интеллектом — Бохан Ли, EliseAI

Поделиться в:

Доступные форматы для скачивания:

Скачать видео

  • Информация по загрузке:

Скачать аудио

Похожие видео

© 2025 ycliper. Все права защищены.



  • Контакты
  • О нас
  • Политика конфиденциальности



Контакты для правообладателей: [email protected]