用途：Voice Agents 面向语音 AI 架构设计，聚焦人类与 AI 系统自然对话的实现方式，核心问题是延迟与可控性之间的权衡。
主要能力：资料列出语音转语音（S2S）、语音转文本（STT）、文本转语音（TTS）、对话式 AI、语音活动检测（VAD）、轮次切换（turn-taking）、打断检测（barge-in detection）与语音界面等能力标签，并给出知识模块，包括语音转语音架构、流水线架构、语音活动检测模式，以及若干反模式：忽略延迟预算、仅靠静音判断轮次、回复过长。
核心观点：存在两种架构。语音转语音模型（如 OpenAI Realtime API）保留情感、延迟最低，但可控性较弱；流水线架构（STT→LLM→TTS）在每一步都可控制，但会增加延迟。每个组件都会累加毫秒，总和决定对话是否自然。
使用方式与适用场景：适合设计或评估语音智能体、语音界面与实时对话系统时参考，用于理解架构取舍与常见陷阱。
限制：资料未提供具体安装命令、代码示例、价格、平台支持或性能数据，这些事实暂未提供。