Cloudflare Agents 从入门到精通
附录

§26 语音 Agent:实时语音对话

26.1 语音是另一种通道

Cloudflare 提供语音能力:连续语音转写(STT)、流式语音合成(TTS)、语音活动检测(VAD)、打断、SFU 工具。可用 withVoiceVoiceClient 接入。

26.2 典型链路

麦克风 → STT 转文字 → Agent 推理 → TTS 合成语音 → 扬声器。全程流式,用户能打断。

26.3 前端用 VoiceClient

import { VoiceClient } from "@cloudflare/voice/client";

const client = new VoiceClient({ agent: "VoiceAgent" });
// 连上后,麦克风音频自动走 STT → Agent → TTS 回传
标叔的经验
语音 Agent 的"打断"体验最考验工程。Cloudflare 的 VAD 把这块内建了,比我自己接省太多。做语音客服、语音助手,这个通道直接拉满。

语音讲完。下一章做最终选型:Cloudflare Agents vs EdgeOne Makers。