Framework Qwen-Audio-Agent 让语音Agent持续在场的实时语音运行时

一、项目介绍

语音助手最扫兴的瞬间，是你说完一句话它就“思考中”，或者它去查个工具、跑个任务，对话就戛然而止。真实交流不该这样断：Agent 在听、在想、在干的时候，都应该“在场”，而不是变成一问一答的机器人。
Qwen Audio Agent 是阿里通义千问团队开源的实时语音运行时，核心目标就是让语音 Agent“持续在场”：无论闲聊、思考还是执行任务，它都保持倾听与回应，任务完成还会自然告诉你“好了”。它统一了客户端协议并集成 ACP / A2A 后端，扩展了语音与视频模型支持，还加了前端工具、记忆与知识库、桌面对话面板和远程移动访问，是做实时语音助手的现成底座。

二、项目基本信息

三、核心优势

• 持续在场：思考/执行时仍倾听回应，对话不中断
• 实时语音：低延迟的语音对话运行时
• 统一协议：客户端协议 + ACP / A2A 后端集成
• 多模态：扩展语音与视频模型支持
• 能力齐全：前端工具、记忆、知识库、桌面面板

四、适用场景

适合做实时语音助手、客服口语 Agent、陪伴型语音应用的开发者：希望语音交互流畅不断档，Agent 全程在场。

五、安装教程

当前最新版本 latest。按下方命令安装（如遇网络问题可切换镜像源或代理）：

# 需 Node.js 22+
npm install qwen-audio-agent

常见报错：依赖缺失时先升级运行环境（Node、Python、Go 等）到项目要求版本；网络超时多为镜像或代理问题，可重试或换源。权限类报错请确认已登录对应平台账号。

六、使用示例

下面是一段可直接参考的真实示例：

import { QwenAudioAgent } from 'qwen-audio-agent';

const agent = new QwenAudioAgent({
  model: 'qwen-audio-turbo',
  onSpeech: (text) => speak(text),
});
// 启动后，Agent 在倾听与执行间持续保持对话
agent.start();

七、常见问题

问：必须用量千问模型吗？答：运行时面向通义千问语音模型设计，具体接入以文档为准。问：能做客服吗？答：新版已加入客服等场景模板，可基于它扩展。

八、总结

Qwen-Audio-Agent 用一个清晰的设计，把把一类应用范式标准化这件反复劳动变成了可复用、可维护的能力。它不追求大而全，而是把核心痛点解决得足够扎实——这正是日常开发与团队落地时最需要的那种工具。如果你也在被同类问题困扰，不妨按上面的安装与使用步骤试一试，把它接进自己的工作流。