Voice Agents 是一个语音 AI 架构相关的技能，来源于 davila7/claude-code-templates，页面地址为 https://www.skills.sh/davila7/claude-code-templates/voice-agents。
用途 该技能面向语音智能体的设计与实现，目标是让人类能够与 AI 系统进行自然语音对话。它强调语音交互的挑战不只是语音识别和语音合成，还涉及延迟、轮次切换、打断处理等工程细节。
主要能力 技能列出的能力标签包括：voice-agents、speech-to-speech、speech-to-text、text-to-speech、conversational-ai、voice-activity-detection、turn-taking、barge-in-detection、voice-interfaces。
架构模式 技能指出存在两种主要架构：
- 语音到语音（Speech-to-Speech，S2S）：直接进行音频到音频的处理，可实现最低延迟，并保留情感，但可控性较弱。资料中提及 OpenAI Realtime API 作为此类模型的例子。
- 流水线架构（Pipeline）：将 STT → LLM → TTS 分离，在每一步提供最大控制，但会增加延迟。 此外还包含语音活动检测模式，用于检测用户何时开始或停止说话。
反模式 技能列出的反模式包括：忽略延迟预算、仅靠静音判断轮次、回复过长。
边界问题 技能以表格形式列出若干需要处理的问题，涉及严重程度与解决方向，包括：为每个组件测量并预算延迟（critical）；目标抖动指标（high）；使用语义 VAD（high）；实现打断检测（high）；在提示中约束回复长度（medium）；提示使用口语化格式（medium）；实现噪声处理（medium）；缓解 STT 错误（medium）。
适用场景 适合构建生产级语音智能体、需要处理实时语音对话、关注延迟与自然交互体验的开发者参考。
限制 资料未提供具体的安装命令、代码示例、收费或价格信息、支持平台等细节，这些内容暂未提供。