背景：第三条入口
┌──────────────────────────────────────────────────────────────────────┐ │ Agent 的三条入口 │ ├──────────────────────────────────────────────────────────────────────┤ │ ① chat（打字） 实时、精确、可回看 │ │ ② Slack / Email 异步、渠道内、跨设备 │ │ ③ Talk Mode（语音） 实时、口语、hands-free ← v11.1 新增 │ │ │ │ ── 关键：三者共用同一个运行时 ── │ │ 语音请求 → 落成 chat 里的普通消息 → 在 chat 里跑 │ │ （复用 skills / connectors / approvals / artifacts，非另起系统） │ └──────────────────────────────────────────────────────────────────────┘
官方明确：麦克风按钮 = 口述一条消息（音频转写为文本）；语音按钮 = 起一通实时通话（agent 会出声回应）。两者是不同按钮，做不同的事。
全部机制来自官方文档 docs.gumloop.com/core-concepts/talk_mode，未做推断。
| 对象 | 开启方式 |
|---|---|
| Gumball | 永远可呼叫（无需配置） |
| Custom agents | Settings → Voice 里开 Allow voice calls；选 Voice（默认音色 Marin） |
| 行为 | 说明 |
|---|---|
| 你的话进 chat | 每句作为 Voice call 消息加入；agent 的口头回答作为它的消息 |
| 小谈 vs 实干 | 小谈在电话里答；真请求交给 agent，在 chat 里像打字一样跑（thinking/工具调用/步骤全可见） |
| 它知道自己的能力 | agent 知道自己连了哪些 app、有哪些 skill/knowledge，能诚实回答"你能查 Linear 吗" |
| 通话条 | 显示通话时长 + 麦克风控制 + 红色挂断按钮 |
走向下一个会前，他点开与该客户的 agent 通话，说"帮我准备下和 Acme 的下一个会"。寒暄在电话里即时回应；"准备会议"作为真请求落到 chat，agent 拉 CRM 活动、邮件线程、上次会议纪要，在 chat 里生成简报。挂断后 chat 里简报已就绪。
他语音让 agent"把今天的退货单汇总发我"。通话中 agent 确认请求，在 chat 里跑起来；挂断后回来看到汇总文件。
| 维度 | Gumloop Talk Mode | ChatGPT 语音 | Claude 语音 | 电话客服 AI（Bland/Retell） |
|---|---|---|---|---|
| 定位 | agent 平台的一条入口 | 消费级语音对话 | 消费级语音 | 电话外呼/接线 |
| 语音→真活 | ✅ 落成 chat 任务执行 | 部分 | 部分 | 面向通话本身 |
| 复用既有能力 | ✅ skills/connectors/approvals/artifacts | — | — | 否 |
| 计费 | 语音分钟 credits | 订阅 | 订阅 | 按分钟 |
| 企业治理 | ✅ 跟随 agent sharing | 无 | 无 | 有 |
| 阶段 | 时间线 | 里程碑 | 状态 |
|---|---|---|---|
| Phase 1 — 通话基础 | v11.1.0 | 起呼/通话/断话保留/声音选择 | 已发布 |
| Phase 2 — 与其他入口融合 | v11.3+ | 与短信 Gumball 并列为"移动入口"；语音任务进入 Impact reports | 部分 |
| Phase 3 — 多模态 | 远期 | 通话中传图/传文件；多语言；打断式对话（barge-in） | 探索 |