最新文章
Voice Agent 架構 2026:Cascaded vs S2S 揀邊個
Voice agent 兩大架構:Cascaded(ASR→LLM→TTS)同 S2S(一體化對聲)。呢篇拆解各自組件同優劣、五個揀選維度、粵語場景特別考慮,同任務式 API 點用短句切分、預取、快取做出即時感。
廣東話 AI TTS 嘅教學、對比同使用心得。
呢度係港嘢 Canto-Gen 嘅博客,專門講廣東話 AI TTS 嘅實戰:由免費 plan 點玩最抵、多音字點樣避雷,到 API 同 MCP 接入教學都有。想先聽效果?直接去 playground 試;想由基礎學起,就由「完全指南」開始。
最新文章
Voice agent 兩大架構:Cascaded(ASR→LLM→TTS)同 S2S(一體化對聲)。呢篇拆解各自組件同優劣、五個揀選維度、粵語場景特別考慮,同任務式 API 點用短句切分、預取、快取做出即時感。
粵語 TTS API 核心得兩個動作:POST 提交攞 job_id、GET 輪詢攞音檔;短過 300 字符仲可以直接同步攞。呢篇講 key、三種模式、音檔時效、錯誤碼、限流、批量同實際整合。
AAC 輔助溝通系統粵語聲線指南:點解市面輔具預設聲唔啱用、粵語六聲調對短詞組嘅影響、聲線個人化、五個設計原則同技術實作。
拆解物流三條語音場景:派送前提醒與簽收確認、失敗重派原因+選項設計、內部站點同司機語音協調,附粵語地名讀音要點同成本計法。
由 WISMO 到棄購挽回,拆解電商三條最痛嘅語音斷點:主動通知時間軸、派送模板、三段式挽回腳本,以及同一把品牌聲點樣貫穿全局。
少數族裔獲取公共資訊有三道牆:語言、讀寫能力、分發渠道。呢篇講點解「翻譯」唔夠要配「語音」、五類最迫切嘅公共資訊、多語言生成五步做法、內容本地化易錯位,同落地成本。
交通廣播成本樽頸唔喺「錄」,而喺「改」。用「模板+變數」做法,站名同方向分開管理,路線一改只重新生成受影響嘅句子,仲可以批量出一整條線,附寫作要點同規格。
政府語音服務 AI 化唔止換把聲,仲要換一套管治。用 PCPD《模範框架》四大範疇——策略管治、風險評估、數據管理、持份者溝通——逐項套落熱線、廣播同通知,附採購落地清單。