先了解这件事
2026年8月26日,Pydantic AI 发布实时语音 Agent 支持。据其官方文章,该支持采用 speech-to-speech 方式,通过统一的 provider-agnostic API 接入 OpenAI Realtime、Azure OpenAI、Gemini Live 和 xAI Grok Voice,中间不再有转写、生成、合成的流水线。语音会话复用同一个 Agent 对象,服务端工具、消息历史和 API key 都留在后端;浏览器场景可用 WebRTC 直连并在服务端以 sideband 接入,目前浏览器 WebRTC 支持 OpenAI 和 Azure OpenAI。语音与文本共享同一份消息历史,可把通话交给文本 Agent 做结构化抽取,也可用 message_history= 为语音会话续接此前的文本对话;会话的 token 用量、usage_limits 和 OpenTelemetry 追踪与文本运行一致。目前尚无后续发展事实。
AI 根据公开报道生成
最新进展 · 正式报道
Pydantic AI 上线实时语音智能体事件进展
1 个已确认进展
- 来源：Pydantic AI 官方文章
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
8月26日
Pydantic AI 官方文章一手精选
Pydantic AI 上线实时语音智能体
Pydantic AI 发布实时语音智能体支持，采用 speech-to-speech 方式，通过统一的 provider-agnostic API 接入 OpenAI Realtime、Azure OpenAI、Gemini Live 和 xAI Grok Voice，中间不再有转写、生成、合成的流水线。语音会话复用同一个 Agent 对象，服务端工具、消息历史和 API key 都留在后端，浏览器场景可用 WebRTC 直连并在服务端以 sideband 接入，目前浏览器 WebRTC 支持 OpenAI 和 Azure OpenAI。语音与文本共享同一份消息历史，可把通话交给文本 Agent 做结构化抽取，也可用 message_history= 为语音会话续接此前的文本对话；会话的 token 用量、usage_limits 和 OpenTelemetry 追踪与文本运行一致。