英文：Voice Agent 分类：agent
以语音为交互界面的智能体，完成打电话、接听、语音客服与语音助手任务。它整合语音识别、对话理解与语音合成，实现自然的口语交互。
技术栈：ASR（实时转写，中文多方言）、对话管理（意图、状态、多轮）、TTS（自然音色、可打断）、通话能力（VoIP、运营商线路）；工程难点是延迟（端到端<1s）、噪声环境与打断处理。2026 年端到端实时语音（GPT-4o 原生语音、Gemini Live）与实时数字人形象（Live Avatar）成为行业标配，交互体验逼近真人通话。评测关注任务完成率与用户满意度。
用于外呼营销/回访（合规外呼）、客服热线（人机分流）、语音助手（车机、音箱）与无障碍服务；国产方案（字节、阿里）与海外（OpenAI Realtime）同步成熟。
相关词条：Agent Harness · Agent · 思维链 · 研究智能体 · Deep Research