对话式 AI workshop：Voice Agent 全球五城开发实录

原创于 2025-07-04 18:50:02 发布 · 871 阅读

CC 4.0 BY-SA版权

文章标签：

过去几个月，TEN Framework 团队与 Agora 和声网围绕 “对话式AI”题，踏上了横跨全球五大城市的精彩旅程——东京、旧金山、巴黎、北京、京都。五场精心筹备的Workshop 场场爆满，汇聚了来自当地及全球的开发者、创业者、产品经理与语音技术爱好者。得益于 RTE 开发者社区与全球多地 AI 社区的鼎力支持，我们得以深入探讨 Voice Agent 的前沿趋势、真实应用场景与落地开发实践。

每一站，都上演着不同的故事，碰撞出独特的火花。现在，就让我们一起回顾这趟旅程的精彩瞬间！

东京站｜Avatar实时交互，引爆现场兴奋点

四月，东京，旅程启航。首场Workshop聚焦于Avatar驱动的实时交互体验。

🤩 核心印象： Avatar + 实时交互 = 未来感十足！

🎤 重量级分享： Microsoft 深入解析 GPT-4o Realtime API 的语音对话落地；TEN Framework 揭秘开源语音代理框架的最佳实践；声网和 Agora 展示对话式方案的卓越效果与客户案例；Dify 社区大使 Alec Lee 则带来结合 TEN 和 Dify 构建语音交互数字人的创新方案。现场讨论热烈，焦点集中在部署细节、延迟优化及Demo的惊艳效果。

💻 实战演练： 参与者亲自动手，在本地部署 TEN Agent，并通过 Playground 接入 Azure OpenAI 语音服务，亲手搭建出可实时对话的 Voice Agent。从原理到实操，体验全链路打通。现场还有 Felo（AI翻译）、MeltingHack & TUM.ai（AI社群）、UniConvo（Chatbot）、EMQ（MQTT通信）等伙伴交流互动，气氛火热。在这里插入图片描述

旧金山站｜VAD & 轮次检测首秀，开发者聚焦语音体验“魔鬼细节”

五月，微软大厦，旧金山站。这里聚集了来自 Oracle、Google、字节跳动等大厂，以及AI教育、企业效率、医疗等领域的创业者和高校学生，背景极其多元。

🤩核心印象： 技术控的盛宴，VAD & 轮次检测解决关键痛点！

🎤技术深度解析： Microsoft、TEN 与声网和 Agora 持续输出干货。TEN 团队首次开源 VAD（语音活动检测）与 Turn Detection（轮次检测）模块成为焦点！该组件能精准判断语音起止和对话轮次，显著提升实时对话的流畅度与自然度。现场提问不断，低延时、模型选择、成本与应用落地是开发者最关心的话题。

💻实战反馈： 动手环节体验 TEN Agent + Azure 实时语音交互。甚至有去年就使用过 TEN 的老用户惊喜反馈：部署和编排体验进步巨大！

在这里插入图片描述

巴黎站｜深聊语音 AI 爆发点，探讨 Voice Agent 落地路径

五月，巴黎，Vivatech大会同期活动。我们采用 “Keynote + 圆桌” 的形式，吸引了众多活跃于欧洲语音技术领域的创业公司和开发者，包括欧洲知名 Voice AI 社区 Voice AI Space。

🤩 核心印象： C端应用探索活跃，欧洲视角碰撞新火花！

🎤 趋势与落地碰撞： TEN、声网、Agora、Microsoft 带来主题演讲。圆桌讨论“Voice Agent in Action” 更是干货满满，嘉宾们与特邀的欧洲本地伙伴——ASR 服务商 Gladia 和数字人服务商 Trulience——深入探讨语音 Agent 的真实场景落地。话题覆盖热门应用场景、社区反馈、核心挑战与未来突破。

🍷 巴黎Mingle 时刻： 晚间的 Demo 展示与自由交流环节，在葡萄酒与轻食的伴随下，技术讨论也染上了浓浓的巴黎风情。

在这里插入图片描述

北京站｜从 TTS 到产品，语音 Agent 的全链路探讨

六月，北京，极客公园 AGI Playground。我们特别设置了两场Workshop：上半场看趋势，下半场动手干。

🤩 核心印象： 技术走向纵深，落地需求旺盛，开发者上手更快！

🎤 前沿洞察： RTE 开发者社区重磅启动《对话式AI白皮书》共建计划；TEN 分享框架设计理念与核心能力；MiniMax 架构师冯雯详解其 Speech 模型在低延迟语音合成与音色定制上的优势；FoloToy 联合创始人郭兴华则从儿童陪伴产品切入，分享“把技术藏起来”的落地心得。

📱 Lightning Demo： 现场观众即兴展示 AI 儿童教育 Metabooks 和旅行助手项目，展现语音AI在生活场景的渗透。

深度实战： TEN 团队与阶跃星辰协作，带领参与者完成本地 Voice Agent 的部署与定制开发（模型接入、界面设置、交互逻辑）。经过大半年迭代，现场开发者的“跑通率”显著提升，一小时即可完成搭建！

在这里插入图片描述

京都站｜扎根本土：ASR、大模型与会议实时翻译

7月，京都，日本创业大会 IVS 现场。氛围开放轻松，聚焦日本本土化需求。

🤩 核心印象： 本土化应用开花结果，实时翻译场景亮眼！

🎤本地化视角： 除了TEN、声网和 Agora 的分享，特邀日本本土ASR技术专家 Paraparas 团队带来“以人为中心的信息转化平台”理念，提供极具本地特色的思考。

📱Lightning Demo： 7个 AI 项目轮番登场！ FoloToy（AI 语音玩具）、Mosumosu（二次元助手）、Uniconvo（多场景语音 AI bot）、Flowith、MyShell（Agent 平台）、Pasoo（客服实时翻译 Agent）等，现场演示日语店家与英文顾客的无缝沟通，惊艳全场。在披萨的香气中，大家自由体验 demo，畅谈合作可能。

在这里插入图片描述