Voice AI Development 是一个面向语音 AI 应用开发的技能，定位为“语音 AI 架构师”。它面向从实时语音智能体到语音驱动应用的构建工作，覆盖 OpenAI Realtime API、Vapi（用于语音智能体）、Deepgram（用于转写）、ElevenLabs（用于合成）、LiveKit（用于实时基础设施）以及 WebRTC 基础，目标是帮助构建低延迟、生产可用的语音体验。
用途 该技能用于构建实时语音应用，核心关注延迟预算、音频质量和用户体验。技能说明指出，语音应用速度快时会显得“神奇”，而慢时就是坏的；因此需要为每个用例选择合适的技术供应商组合，并针对感知响应速度持续优化。
主要能力 技能列出的专业方向包括：实时音频流、语音智能体架构、供应商选择、延迟优化、音频质量调优。涉及的具体技术组件包括 OpenAI Realtime API、Vapi、Deepgram、ElevenLabs、LiveKit 与 WebRTC 基础。技能说明中还提到，执行前应先阅读详细指南，该指南保留了完整流程与参考资料；其安全、前提条件和验证要求视为强制。对于聚焦任务可加载相关章节，端到端任务则需完整阅读指南。
使用方式 技能说明要求先满足前提条件：异步编程、WebSocket 基础、音频概念（采样率、编解码）。所需技能为 Python 或 Node.js、各供应商的 API 密钥、音频处理知识。触发场景包括用户提及或暗示以下内容：voice ai、voice agent、speech to text、text to speech、realtime voice、vapi、deepgram、elevenlabs、livekit、openai realtime。
适用场景 适用于语音 AI、语音智能体、语音转文字、文字转语音、实时语音以及上述具体供应商相关的开发任务。
限制 技能仅应在任务明确匹配上述范围时使用。输出不应被视为环境特定验证、测试或专家评审的替代品。如果缺少必要的输入、权限、安全边界或成功标准，应停止并请求澄清。关于收费、价格、具体平台支持与效果指标，资料中暂未提供。