開發者接入

實時聽寫 API 到底點接？本文拆解 WebSocket 事件次序、ephemeral token 點簽、delta 增量文字點拼、11 個 close code 邊啲可以重試，同一套完整嘅 Node 程式碼。

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。

Twilio 負責電話線路，港嘢負責地道廣東話音頻：預錄式同動態式兩條整合路線、API 限制對照、文字稿貼士、成本估算同上線前檢查清單一次講晒。

企業 AI agent 識寫字唔識講嘢？用 MCP 將粵語 TTS 接入 agent 工作流，一句指令將報告、通知、提醒變成地道廣東話音頻，唔使另外寫整合程式。

冇原生 webhook 唔使等——三個組件自建回調層，百幾行 code 搞掂。

由文本集準備到邊界條件測試，六步行完粵語 TTS 概念驗證：質素過唔過關、流程行唔行得通、系統接唔接得到，一至兩星期有結論。

Agent 透過工具呼叫自己生成粵語語音——由功能開關設計到 MCP 接入，本篇拆解語音工具嘅介面設計、回傳語義、成本閘同錯誤處理，令 agent 穩陣咁開聲。

全面講解點樣開發支援粵語嘅AI語音Agent，涵蓋技術選型、工具比較同實戰貼士。

港嘢 TTS API 錯誤碼完整對照同實戰處理策略：分清邊啲錯要改請求、邊啲要重試，同埋點寫 backoff 先啱。

MCP 結合粵語 TTS 可為應用加入地道廣東話語音輸出，本文拆解接入流程同常見陷阱。