Los asistentes de voz modernos requieren baja latencia, manejo de audio en tiempo real y coordinación entre múltiples agentes. Este artículo explica tres patrones de integración —herramientas, sub-agentes y segmentación de sesiones— con ejemplos prácticos y consideraciones para reducir latencia y escalar en producción.
xAI presentó Grok Voice Think Fast 1.0, un modelo de voz que realiza reconocimiento, razonamiento y generación de audio en un solo bucle. La propuesta promete conversaciones fluidas, menor latencia y robustez frente al ruido, con costos competitivos para implementación en centros de contacto y aplicaciones comerciales.
EVA es un nuevo marco que evalúa conversaciones habladas completas entre un usuario simulado y un agente de voz, con dos puntajes principales: EVA-A (Precisión) y EVA-X (Experiencia). El proyecto se lanzó con un conjunto inicial de 50 escenarios del sector aéreo y benchmarks para 20 sistemas.