Stream

Stream이 실시간 비디오, 오디오, 대화를 결합하여 저지연 멀티모달 AI 경험을 구축할 수 있는 오픈소스 프레임워크 Vision Agents를 도입했다. 이 프레임워크는 ElevenLabs의 Text to Speech 기술을 통합하여 사용자와 AI 시스템 간의 원활한 상호작용을 지원하는 표현력 있는 음성을 제공한다.

Vision Agents는 AI가 실시간으로 보고, 듣고, 응답할 수 있는 능력을 부여한다. Stream의 비디오 및 오디오 SDK를 기반으로 구축되어 개발자가 멀티모달 에이전트 경험을 프로토타이핑하고 배포할 수 있는 저지연 기반을 제공한다.

ElevenLabs와의 통합을 통해 다음과 같은 이점을 제공한다:

• 10배 빠른 설정: 음성 설정에 필요한 코드를 400줄에서 40줄로 단축했다.
• 저지연 성능: ElevenLabs의 빠른 음성 생성과 Stream의 글로벌 에지 네트워크를 결합해 자연스러운 응답성을 보장한다.
• 확장 가능한 개발자 경험: Stream의 SDK를 통해 멀티모달 에이전트의 생성, 테스트 및 배포 프로세스를 간소화한다.