Voice AI Agents PRO
Практический PRO-курс по созданию production-ready голосовых AI-агентов для бизнеса в РФ. Оба подхода 2026 года: классический cascade pipeline STT → LLM → TTS и realtime speech-to-speech на GPT-Realtime-2. VAD, end-of-turn detection, barge-in, tool calling в звонке, Voice RAG, evals, версионирование агента. Российский стек: Yandex SpeechKit, SaluteSpeech, YandexGPT, 152-ФЗ. Телефония: SIP, Voximplant, Mango Office.
О курсе
Voice AI Agents PRO — практический курс о том, как строить голосовых агентов, которые реально работают в бизнесе в 2026 году.
В 2026 году голосовой агент — это уже не склейка Whisper, GPT и TTS. Современный voice agent работает в realtime-сессии, понимает перебивания, определяет конец реплики, вызывает внешние функции прямо во время звонка, подключается к SIP-телефонии и проходит регулярные evals на реальных звонках.
Курс разбирает оба подхода:
классический cascade pipeline STT → LLM → TTS — гибкая архитектура, полный контроль компонентов, российские сервисы, соблюдение 152-ФЗ;
современные realtime speech-to-speech агенты на GPT-Realtime-2 — WebRTC, session events, interruptions, parallel tool calls, 128K контекст.
Что вы разберёте на курсе:
VAD, end-of-turn detection и barge-in — почему таймаут в 500 мс ломает голосовой UX и как агент понимает, что клиент закончил фразу;
OpenAI Realtime API — GPT-Realtime-2, архитектура сессий, audio events, tool calling и GPT-Realtime-Translate на 70+ языков;
LLM в голосе — prompt-инжиниринг для коротких реплик, function calling, выбор модели: GPT-5.4 mini, YandexGPT Pro, GigaChat;
Voice RAG — как агент отвечает по корпоративной базе знаний: FAQ, прайсы, документы, проверка галлюцинаций;
Production и evals — golden calls, LLM-as-judge, версионирование dev/staging/prod, A/B-тестирование промптов и голосов, rollback;
Телефония — SIP, Voximplant, Mango Office, Билайн, автообзвон на Python, входящий IVR;
Российский контур и 152-ФЗ — где можно OpenAI/Vapi, где нужен Yandex SpeechKit, SaluteSpeech, T-Bank VoiceKit и on-prem LLM;
Multi-agent voice workflows — маршрутизатор, агент записи, поддержки, продаж, handoff без потери контекста;
Вертикальные кейсы — клиника, e-commerce, образование с реальными разборами звонков.
В каждом модуле — реальные записи звонков голосовых агентов с разбором: что сработало, что нет и почему. А все вопросы вы можете задать автору @alexey_latorn в телеграм.
P.S. Ранее автор публиковал курсы на Stepik, отзывы ниже взяты оттуда
Чему научитесь
- Объяснять, как работает голосовой агент: STT, LLM, TTS и их связка в реальном пайплайне
- Выбирать и подключать российские STT/TTS сервисы: Yandex SpeechKit, Salute Speech, TinkoffVoice
- Строить голосового агента без кода на Voiceflow и Vapi
- Подключать LLM к голосовому агенту через OpenAI Realtime API и YandexGPT
- Использовать function calling для проверки заказов, бронирования слотов и поиска в CRM
- Настраивать входящие и исходящие звонки через Voximplant и интегрировать с АТС в РФ
- Строить голосовые Python-агенты с использованием SIP-протокола
- Встраивать голосовой виджет на сайт через WebRTC
- Измерять качество агента: WER, задержка, NPS звонков
- Оценивать соответствие 152-ФЗ и рассчитывать ROI от внедрения
Для кого
- Разработчикам на Python, которые хотят строить голосовых агентов с нуля или на готовых платформах.
- Продакт-менеджерам и предпринимателям, которые ищут способы автоматизировать колл-центр, поддержку или продажи с помощью Voice AI.
- Техническим специалистам колл-центров и CRM-интеграторам, которым нужно внедрить голосового агента в существующую инфраструктуру.
- Всем, кто хочет разобраться в российском рынке Voice AI: какие сервисы работают, как выбрать стек, как оценить ROI.
Формат
- В каждом модуле есть реальные аудиозаписи звонков голосовых агентов с разбором — чтобы слышать разницу между хорошим и плохим агентом на практике, а не только читать о ней.
- Формат курса включает:
- теоретические уроки с реальными примерами из российского рынка;
- практические уроки с Python-кодом и пошаговыми инструкциями;
- разбор записей звонков с комментариями;
- сравнительные таблицы и чек-листы выбора инструментов.
Что нужно на старте
- Базовые знания Python: запустить скрипт, установить пакет, работать с API через requests или SDK.
- Понимание того, что такое REST API и JSON — всё остальное объясним внутри курса.
- Для no-code модулей достаточно уметь работать в браузере — кода там нет.
Автор курса
Алексей Малышкин
Разрабатываю образовательные материалы по программированию, машинному обучению и анализу данных. Темы: Python-разработка, аналитика, ML-инструменты (LangChain, vector databases, AI agents), компьютерное зрение. Стараюсь объяснять технические концепции понятно и структурировано. Ранее преподавал на Stepik и обучил более 2000 студентов. Мой профиль на Stepik - https://stepik.org/users/273781420/profile Мой телеграм для связи @alexey_latorn
Программа
01Что такое голосовой агент4 урока
02STT, TTS и управление диалогом5 уроков
03LLM внутри голосового агента4 урока
04Фреймворки голосовых агентов6 уроков
05Realtime-модели: speech-to-speech агенты6 уроков
06No-code и Low-code платформы2 урока
07Каналы и сценарии применения голосовых агентов9 уроков
08Продакшн голосового агента5 уроков
Дополнительные материалы и практика
Задачи
- Voice AI: ошибка распознавания фамилии и этап STT
- Barge-in голосового агента: ложное прерывание на «угу»
- Голосовой агент: зачем подтверждать данные перед завершением
Уроки
- Классический пайплайн: STT — LLM — TTS
- Realtime speech-to-speech: как устроено и когда использовать
- VAD и end-of-turn: как агент слышит и понимает конец фразы
- Barge-in и latency budget: человечный диалог
- Pipecat: модульный пайплайн из процессоров
- LiveKit Agents: голосовой агент на фреймворке
- OpenAI Realtime API: speech-to-speech
- Исходящие обзвоны: сценарии и закон
- Приём входящих звонков: первая линия и IVR
