数字人是什么、用在哪、哪些是噱头：Tavus 的落地与失败边界分析
文章拆解数字人把感知、语音与渲染融合为实时对话的技术构成，并区分能规模部署与被砍掉的项目之间的差别。
#观点/评论
Tavus Blog评分4848 Tavus Blog评分4040 Tavus 谈 AI 视频智能体改善招聘候选人体验：每位申请者获得面对面初筛
文章称 AI 视频智能体（PAL）可让每位候选人获得实时面对面初筛对话，用临场感填补招聘流程中的沉默间隙。
Tavus Blog评分3838 Tavus 推出 AI 演讲陪练：用视频智能体模拟听众并反馈语速与问答
文章介绍基于 Tavus CVI 的 PAL 教练，可在正式路演前模拟真实听众，对节奏、语气与问答给出实时反馈。
Tavus Blog评分4242 RAG 聊天机器人与 RAG 视频智能体的差异：Tavus 论交互界面选择
文章认为 RAG 聊天机器人检索事实快，RAG 视频智能体增加临场感、感知与信任，建议按用例选择界面形态。
LiveKit Blog评分3636 构建实时语音与视频 AI Agent：LiveKit Agents 与 Pipecat 开源框架对比
LiveKit Agents 与 Pipecat 是构建生产级实时语音和视频 AI Agent 的两个主流开源框架，前者基于 LiveKit 自有的开源 WebRTC 和 SIP 服务器、对 Agent 做较高层抽象，后者不预设传输层、对处理链路做较低层抽象。两者都支持语音转文本→语言模型→文本转语音的核心链路及端到端语音模型，但 LiveKit Agents 放弃传输层选择与阶段增删，换取分发、扩展和多方会话的现成支持；Pipecat 则需自行接入传输并逐级组装链路。
Cartesia Blog评分4545 Cartesia 撰文辨析：TTS 模型与音色是两个东西，混淆导致设计失误
Cartesia 产品博客将音色类比为 LLM 的 system prompt：模型提供通用能力，音色作为输入塑造输出；文中区分固定说话人模型与带音色输入的模型，指出混淆两者会导致语音 AI 设计决策失误。
Cartesia Blog评分4040 Cartesia 科普：语音 AI 评估为何该看精确率与召回率而非准确率
以 RAG 检索 top_k 取舍为例讲解 precision/recall 权衡：top-3 高精确低召回、top-50 高召回低噪声风险，指出模型可以靠什么都不做拿到 90% 准确率，因此语音 AI 评估需要更诚实的指标。
LiveKit Blog精选评分5858 LiveKit 论语音 AI 传输选型：WebRTC 优于 WebSocket
文章指出把原始音频推过 WebSocket 会继承 TCP 的队头阻塞——单包丢失即让接收端停滞数百毫秒，后续音频积压后突发播放，破坏对话节奏；而 WebRTC 为实时媒体设计，在丢包恢复、抖动缓冲与拥塞控制上开箱即有，作者将其定位为“demo 能跑、生产会垮”的架构差异。
推荐理由：从协议特性出发解释语音 Agent 传输层选型，对自建实时链路的团队有直接参考意义。
Mux Blog精选评分5858 Mux 复盘 6 年播放器工程：Video.js v10 为何推倒重来
Vidstack 作者回顾从 Vime 到 Vidstack 的 6 年：累计 90 亿次 CDN 请求、700 万次 NPM 下载、6200 个 GitHub Star 与 200 多个版本。核心结论是浏览器媒体元素的事件与状态不一致（事件可能不触发或连续触发），因此 Video.js v10 放弃插件式架构，改为编译期组件与可预测的状态流。
推荐理由：主流开源播放器 v10 重构的一手复盘，指向浏览器媒体事件模型的固有坑。
Cartesia Blog评分2222 Cartesia 发布 2024 年语音 AI 现状报告：梳理三大趋势并展望 2025
Cartesia 首份《2024 年语音 AI 现状报告》梳理出三大趋势：编排式 STT→LLM→TTS 语音系统与端到端语音到语音模型兴起，Kyutai 的 Moshi 等全双工模型实现"边听边说"；STT、LLM、TTS 三环节成熟推动语音 AI 进入企业级自然对话，LLM 成本从 GPT-4 的 45 美元/百万 token 降至 Llama 3.1 70B 的 2.75 美元/百万 token；LiveKit、Daily 及 Vapi 等编排平台将原本 6-12 个月的开发周期缩短至数周。