学习构建语音代理的结构化路径：从首次STT通话到生产部署

语音是较难入门的代理模态之一，因为相关知识分散在众多厂商中，而失败模式（如延迟、话轮转换）直到给你造成麻烦才会显现。我维护了一个精选的学习路径，试图解决这个问题，免费且开源（MIT）。它按照实际工作的顺序排列： - Foundations：从STT到LLM再到TTS的管道，以及你永远与之抗争的延迟预算 - Frameworks：选择一个（用于开源的LiveKit Agents或Pipecat）并部署一个hello-world - Components：替换STT、TTS、LLM、VAD和话轮检测，以了解每一层的作用 - Telephony：通过SIP连接一个真实电话号码 - Evaluation and production：使其足够安全以发布，包括现在适用的FCC和EU AI Act法规 190+资源，每个都按级别标记，商业来源已标注。最后还有一份5周计划。 对于已经部署过语音代理的开发者：这个路径没有让你准备好应对哪些坑？我希望生产部分能减少意外。