論文の概要: VISAGENT: An Agent-Based End-to-End Voice Interaction System

• arxiv url: http://arxiv.org/abs/2610.26168v1
• Date: Mon, 19 Oct 2026 10:59:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 19:19:56.320564
• Title: VISAGENT: An Agent-Based End-to-End Voice Interaction System
• Title（参考訳）: VISAGENT:エージェントによるエンドツーエンド音声対話システム
• Abstract要約: VISAGENTは大規模公共サービスのためのエンドツーエンドの音声対話システムである。 システムはメニュー駆動のルーティングを自然言語と動的ユーザ要求に置き換える。 音声エージェント登録機構は、タスクエージェントを会話エンティティに変換する。
• 参考スコア（独自算出の注目度）: 21.876407843851414
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Voice-based public services have evolved from manual switchboards to intelligent platforms to meet modern user needs. However, current systems remain constrained by rigid menu-driven interaction, fragmented vertical services, and limited extensibility. To address these issues, we present VISAGENT, an agent-based end-to-end voice interaction system for large-scale public services that integrates end-to-end speech interaction, hierarchical agent routing, a scalable voice-agent marketplace, and user memory support. The system replaces menu-driven workflows with natural speech and dynamically dispatches user requests to either a general conversational model or specialized domain agents via a two-level routing paradigm that achieves sub-second intent-to-agent selection over hundreds of agents. User memory informs preference-aware agent selection and supplies relevant preferences and context to selected agents, supporting personalized task execution and reducing the need for users to repeat previously provided information. A voice-agent registration mechanism converts task agents into conversational entities, enabling dynamic onboarding and ecosystem-level extensibility. We validate VISAGENT through a real-world deployment in China's 114 hotline across multiple service domains. Experimental results demonstrate low-latency full-duplex interaction, robust routing scalability, and competitive speech naturalness. More broadly, this work advocates a shift from isolated voice assistants toward agent-centric conversational infrastructures, providing a general blueprint for building extensible voice-agent systems in public services and beyond.
• Abstract（参考訳）: 音声ベースの公共サービスは、手動のスイッチボードから、現代的なユーザニーズを満たすインテリジェントなプラットフォームへと進化してきた。 しかし、現在のシステムは厳密なメニュー駆動インタラクション、断片化された垂直サービス、拡張性に制約を受け続けている。 これらの課題に対処するため,大規模公開サービスを対象としたエージェントベースのエンドツーエンド音声対話システムであるVISAGENTを紹介し,エンドツーエンド音声対話,階層的エージェントルーティング,スケーラブルな音声エージェントマーケットプレイス,ユーザメモリサポートについて述べる。 このシステムは、メニュー駆動のワークフローを自然言語に置き換え、数百のエージェントに対するサブ秒間インテント・ツー・エージェントの選択を実現する2段階のルーティングパラダイムを通じて、ユーザリクエストを一般的な会話モデルまたは特殊なドメインエージェントに動的にディスパッチする。 ユーザメモリは、好みを意識したエージェントの選択を通知し、選択したエージェントに関連する好みとコンテキストを提供し、パーソナライズされたタスクの実行をサポートし、ユーザが予め提供された情報を繰り返す必要を減らします。 音声エージェント登録機構は、タスクエージェントを対話型エンティティに変換し、動的オンボーディングとエコシステムレベルの拡張を可能にする。 VISAGENTは、複数のサービスドメインにまたがる中国の114のホットラインに実際のデプロイを通じて検証します。 実験により、低レイテンシフル二重相互作用、ロバストなルーティングスケーラビリティ、および競合する音声の自然さが示された。 より広範に、この研究は孤立した音声アシスタントからエージェント中心の会話基盤への移行を提唱し、公共サービスなどにおいて拡張可能な音声エージェントシステムを構築するための一般的な青写真を提供する。

関連論文リスト

• Conversational Demand Response: Bidirectional Aggregator-Prosumer Coordination through Agentic AI [0.0]
  本稿では,自然言語を介してアグリゲータとプロシューマーが対話する協調機構である会話要求応答(CDR)を紹介する。 2階層のマルチエージェントアーキテクチャを開発し、アグリゲータエージェントがフレキシビリティ要求をディスパッチし、サプライヤホームエナジー管理システム(HEMS)が納品性と費用対効果を評価する。 エージェントプロンプト、オーケストレーションロジック、シミュレーションインターフェースを含むすべてのシステムコンポーネントはオープンソースとしてリリースされ、さらなる開発が可能になる。
  論文  参考訳（メタデータ） (2026-03-06T12:32:37Z)
• Covo-Audio Technical Report [61.09708870154148]
  7BバックエンドのLALMであるCovo-Audioは、連続的なオーディオ入力を直接処理し、単一の統一アーキテクチャ内でオーディオ出力を生成する。 対話指向の変種であるCovo-Audio-Chatは、意味的に強い会話能力を示す。
  論文  参考訳（メタデータ） (2026-02-10T14:31:11Z)
• AnyMAC: Cascading Flexible Multi-Agent Collaboration via Next-Agent Prediction [77.62279834617475]
  本稿では,グラフ構造ではなくシーケンシャル構造を用いて,マルチエージェント協調を再考するフレームワークを提案する。 提案手法は,(1)各ステップで最も適したエージェントロールを選択するNext-Agent Predictionと,(2)各エージェントが前ステップから関連する情報にアクセスできるようにするNext-Context Selectionの2つの重要な方向に焦点を当てる。
  論文  参考訳（メタデータ） (2025-06-21T18:34:43Z)
• AI Multi-Agent Interoperability Extension for Managing Multiparty Conversations [0.0]
  本稿では,Open Voice Initiative の既存の Multi-Agent 仕様の新たな拡張について述べる。 Convener Agent、Floor-Shared Conversational Space、Floor Manager、Multi-Conversant Support、InterruptionsやUninvited Agentsなどの新しい概念を導入している。 これらの進歩は、複数のAIエージェントが協力し、議論し、議論に貢献する必要があるシナリオにおいて、スムーズで、効率的で、セキュアな相互作用を保証するために不可欠である。
  論文  参考訳（メタデータ） (2024-11-05T18:11:55Z)
• Conversational AI Multi-Agent Interoperability, Universal Open APIs for Agentic Natural Language Multimodal Communications [0.0]
  本稿では、会話型AI多エージェント相互運用フレームワークについて分析し、Open Voiceイニシアチブが提案する新しいアーキテクチャについて述べる。 この新しいアプローチは、主要なコンポーネントとともに、標準的なマルチモーダルAIエージェンシー(あるいはエージェントAI)通信を展開する上での重要なメリットとユースケースを説明している。
  論文  参考訳（メタデータ） (2024-07-28T09:33:55Z)
• MIMIR: A Streamlined Platform for Personalized Agent Tuning in Domain Expertise [49.83486066403154]
  textscMimirは、パーソナライズされたエージェントチューニングのためのカスタマイズ可能なパイプラインを提供する、合理化されたプラットフォームである。 textscMimirは、同じ入力から一般的な命令チューニングデータセットの生成をサポートする。 textscMimirはこれらの機能を統合されたエンドツーエンドプラットフォームに統合し、パーソナライズされたファイルのアップロードからワンクリックエージェントの微調整まで、あらゆることを容易にする。
  論文  参考訳（メタデータ） (2024-04-03T23:42:38Z)
• AgentScope: A Flexible yet Robust Multi-Agent Platform [66.64116117163755]
  AgentScopeは、メッセージ交換をコアコミュニケーションメカニズムとする、開発者中心のマルチエージェントプラットフォームである。 豊富な構文ツール、組み込みエージェントとサービス機能、アプリケーションのデモとユーティリティモニタのためのユーザフレンドリなインターフェース、ゼロコードプログラミングワークステーション、自動プロンプトチューニング機構により、開発とデプロイメントの両方の障壁は大幅に低下した。
  論文  参考訳（メタデータ） (2024-02-21T04:11:28Z)
• A Unified Conversational Assistant Framework for Business Process Automation [9.818380332602622]
  ビジネスプロセスの自動化は、労働者の皿からメンタルタスクを取り除くことを約束する数十億ドル規模の産業のブームだ。 銀行、保険、小売、その他の分野におけるそのようなエージェントの採用を促進するためには、学習曲線の低いシンプルでユーザフレンドリーなインターフェースが必要である。 本稿では,エージェントを構成するスキルの種類やエージェントのオーケストレーション方法について議論し,プロアクティブなチャットボットを開発するためのマルチエージェントオーケストレーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-01-07T22:30:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。