ElevenLabs on AI Gateway

The fx adapter now runs the harness on the host

The fx harness adapter now runs the harness and model requests on the host while keeping filesystem and shell operations in the sandbox, responding faster and unlocking new built-in capabilities.

Voice Agents are here. Context turns them into real customer value.

Be

HarnessAgent now supports image inputs for all harness adapters

HarnessAgent nay hỗ trợ đầu vào image cho tất cả các harness adapter. Bạn có thể truyền kèm hình ảnh cùng văn bản bằng định dạng message chuẩn của AI SDK. Thay đổi này mở rộng khả năng xử lý đa phương tiện cho nền tảng. Các lập trình viên làm việc với multimodal AI sẽ tìm thấy tính năng hữu ích này để xây dựng ứng dụng phức tạp hơn. Nếu bạn đang xử lý cả text và image trong project của mình, đây là bản cập nhật đáng quan tâm để khám phá.

HarnessAgent giúp bạn tích hợp hình ảnh vào các tác vụ AI dễ dàng hơn với định dạng chuẩn SDK.

Introducing GPT-Live

OpenAI ra mắt GPT-Live, thế hệ mới của mô hình giọng nói sử dụng kiến trúc full-duplex, cho phép nghe và nói đồng thời. GPT-Live hỗ trợ tương tác liên tục, xử lý ngắt lời tự nhiên và duy trì cuộc trò chuyện mượt mà, trong khi chuyển các truy vấn phức tạp cho GPT-5.5 xử lý nền. Hai phiên bản GPT-Live-1 (trả phí) và GPT-Live-1 mini (miễn phí) sẽ được triển khai toàn cầu trên iOS, Android và ChatGPT.com, vượt trội so với Advanced Voice Mode trên nhiều tiêu chuẩn. Tính năng an toàn bao gồm điều chỉnh đầu ra thời gian thực, hỗ trợ khủng hoảng, bảo vệ cho thanh thiếu niên và kiểm soát của phụ huynh, cùng kế hoạch cung cấp API sắp tới.

Để cập nhật kỹ năng giao tiếp và xử lý các tình huống tương tác thực tế, từ việc đối thoại tự nhiên với người dùng đến xử lý vấn đề phức tạp như tìm kiếm web hoặc lý luận khoa học, một lập trình viên nên đọc bài này để hiểu cách xây dựng hệ thống AI tương tác hiệu quả hơn.

How Rogo ships agent-written code to production in 5 minutes on Vercel

Rogo phát triển Felix, một AI agent phục vụ các tổ chức tài chính lớn, triển khai code do agent viết lên production chỉ trong 5 phút trên Vercel. Sử dụng Vercel Platform, Rogo cho phép engineers ship agent-written code với tốc độ nhanh chóng, thay vì mất hàng tuần như trước đây. Công ty áp dụng agent swarms để xử lý sự cố, nâng cao hiệu quả vận hành đáng kể. Bài viết tiết lộ cách Rogo kết hợp Vercel và AI để đạt được tốc độ triển khai code mà các công ty tài chính cần.

Bài viết tiết lộ cách triển khai mã do AI viết lên production chỉ trong 5 phút trên Vercel, giúp lập trình viên tối ưu hóa quy trình phát triển ứng dụng tài chính.

OpenAI's GPT-Live: ChatGPT voice that listens and talks

OpenAI vừa ra mắt GPT-Live, phiên bản voice model full-duplex cho ChatGPT có khả năng nghe và nói cùng lúc, hỗ trợ hội thoại tự nhiên. Tính năng mới bao gồm dịch thuật thời gian thực, điều chỉnh mức độ suy luận, thẻ trực quan và ủy quyền nền cho GPT-5.5.

Những người lập trình viên nên đọc bài này để khám phá cách OpenAI tích hợp AI âm thanh vào giao diện người dùng, giúp phát triển các ứng dụng tương tác tự nhiên hơn, từ đó có thể ứng dụng vào các dự án tương tác âm thanh, chatbot hoặc hệ thống hỗ trợ khách hàng thông minh.

AI Gateway adds Browserbase Search and Fetch tools

Trong bối cảnh thị trường AI Gateway ngày càng cạnh tranh, giải pháp này bổ sung công cụ Browserbase Search và Fetch để tăng cường khả năng truy cập web. Việc tích hợp này cho phép các model AI thực hiện discovery thông tin và retrieval nội dung trang web trực tiếp. Hệ quả là các nhà phát triển có thể xây dựng ứng dụng với khả năng truy cập internet mạnh mẽ hơn mà không cần tự triển khai infrastructure phức tạp. Điều đáng học là Browserbase cung cấp cả API Search và Fetch với mức giá linh hoạt, từ free tier đến gói $9/month cho sử dụng cá nhân.

Lập trình viên nên đọc bài này để biết cách tích hợp Browserbase Search và Fetch vào AI Gateway, mở rộng khả năng truy cập web cho mô hình AI.

The Roadmap to Mastering Voice Agents

Voice agents mở rộng hệ thống AI dựa trên text bằng cách bọc language model với các lớp speech-to-text (STT) và text-to-speech (TTS), tạo ra thách thức về độ trễ, định dạng âm thanh, gián đoạn và lỗi tích tụ. Con đường học tập gồm bảy giai đoạn: hiểu pipeline STT-LLM-TTS, layer xử lý ngôn ngữ, kiến trúc streaming real-time, thiết kế hội thoại, tích hợp tool và memory, triển khai và đánh giá. Bạn nên bắt đầu từ giai đoạn phù hợp với kinh nghiệm về text-based LLM agents của mình. Các chuyên sâu nâng cao bao gồm hỗ trợ đa ngôn ngữ, phát hiện cảm xúc và voice cloning.

Bài viết cung cấp lộ trình bảy giai đoạn chi tiết giúp lập trình viên nắm vững kiến thức và kỹ năng cần thiết để phát triển hệ thống voice agent hiệu quả.