Grok TTS: X's Latest TTS Model Sets a New Baseline
xAI가 출시한 Grok TTS는 현재 시장에서 가장 뛰어난 텍스트-음성 변환 모델로 평가받고 있다. 복잡한 발화와 다국어 코드스위칭을 자연스럽게 처리하며, 실시간 음성 에이전트 구축도 매우 간편하고 저렴한 가격에 제공된다. 다만, 음성 클로닝 기능은 미국 지역에 한정되어 있고, 대시보드에서 세밀한 음성 필터링 기능이 부족한 점은 아쉽다. 전반적으로 음성 AI 분야에서 주목할 만한 신기술로, 다양한 응용에 적합하다.
https://techstackups.com/articles/grok-tts-xai-text-to-speech-model/
AssemblyAI (@AssemblyAI)
AssemblyAI Voice Agent API와 Claude Code를 활용해, 한 프롬프트로 15분도 안 돼 음성 에이전트를 만드는 과정을 시연했다. AssemblyAI MCP 서버 설치 후 문서가 자동 주입되는 등 개발 워크플로를 빠르게 구성하는 모습이 핵심이다.
A voice agent. One prompt. Under 15 minutes. That's what Mart built using the AssemblyAI Voice Agent API and Claude Code—and we captured the whole thing on video. Here's what the build actually looked like: 🔹 Install the AssemblyAI MCP server → docs auto-inject into your
Google for Developers (@googledevs)
Gemini Live Agent에 전화번호를 붙여 음성 에이전트에 통신 기능을 추가하는 가이드가 공개됐다. Gemini 3.1 Flash Live, Twilio, Google Cloud를 활용해 다국어 AI 대화를 전화로 연결하는 방법을 소개한다.
Give your Gemini Live Agent a phone number 📞 Our new guide shows you how to add telephony to your voice agent with Gemini 3.1 Flash Live + Twilio + Google Cloud. Delightful, multilingual AI conversations are now just a phone call away. Get the deep dive:
Google for Developers (@googledevs)
Gemini 3.1 Flash Live와 Stream의 Vision Agents SDK를 활용해 실시간 음성 에이전트를 구축하는 방법을 소개합니다. 초기 접근 단계에서 여러 단계를 조율하는 워크플로우까지 확장하는 실전 가이드가 포함되어 있습니다.
Build a real-time voice agent with Gemini 3.1 Flash Live and Stream's Vision Agents SDK using Stefan Blos’s walkthrough to move from early access to a fully orchestrated multi-step workflow. What’s covered: ✨ Setting up the Vision Agents SDK with the Gemini plugin ✨ Defining
I built a sub-500ms latency voice agent from scratch
https://www.ntik.me/posts/voice-agent
#HackerNews #sub500ms #latency #voiceagent #voiceAI #techinnovation #buildfromscratch
OpenAI Developers (@OpenAIDevs)
gpt-realtime-1.5를 활용해 레스토랑용 음성 에이전트를 구축한 사례를 공유합니다. 모델 기반 실시간 음성 대화 에이전트 구현 방법과 현장 적용 사례를 설명하는 게시물로, 대화형 AI 음성 응용의 실무적 예시입니다.
Nick Tikhonov (@nick_tikhonov)
내 음성 에이전트의 엔드투엔드(e2e) 지연 시간이 약 300ms로 감소했습니다. 이는 Groq(@GroqInc)의 매우 짧은 TTFT(약 100ms) 엔드포인트 덕분으로, 상용 주요 제공자 대비 2–3배 빠른 성능을 보여 실시간 음성/대화형 AI 응용에서 지연 개선을 의미합니다.
AssemblyAI (@AssemblyAI)
보이스 에이전트 붐이 현실로 보고되었습니다. 시장 규모가 24억 달러에서 2034년 475억 달러로 성장할 전망이며, 2024년 자금 조달은 8배 증가했습니다. 450명 이상 리더 설문에서 87.5% 팀이 보이스 에이전트를 적극 개발 중이며, Amazon·Microsoft·Samsung 등 업계 리더 실무자 의견을 바탕으로 한 보고서입니다.
The voice agent boom is real. $2.4B → $47.5B by 2034 Funding up 8x in 2024 87.5% of teams actively building a voice agent We surveyed 450+ leaders from Amazon, Microsoft, Samsung & voice AI specialists to find out what winning teams do differently. 🔗 Full report:
New post on our blog! 🤖
A continuation of "Building Your First Voice Agent", this time the author discusses practical strategies to build AI voice agents with Pipecat!
https://blog.codeminer42.com/technical-challenges-in-building-voice-agents/
sayzard
N-gated Hacker News
Hacker News
Codeminer42