Voice / Realtime Agent

状态：🚧 占位待补齐
一句话定义：语音进、语音出的低延迟对话 Agent；要处理打断、半双工/全双工与工具循环。

大纲（待补齐）

  1. STT → LLM/Agent → TTS 管道
  2. Realtime API 形态
  3. barge-in、端点检测、延迟预算
  4. 与文本 Agent 状态机的统一

已有相关文档（先读这些）

学习要点（补齐后应能回答）

  • 语音场景为何更难做长工具链？
  • 可接受的端到端延迟目标是多少？

参考资料（待补充）

-