标签 Voice 下的文章

Framework Qwen-Audio-Agent 让语音Agent持续在场的实时语音运行时
项目
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...
Python VoiceStudio 完全本地运行的语音克隆与配音工作台
项目
配音这事现在卡在两头的尴尬里：商业语音服务按字符收费，克隆自己的声音还要过审上传身份证；本地开源方案又散落各处，TTS、克隆、转录、对齐各是各的项目，命令行加 Python 环境，普通人装三天就放弃。想给视频配个自己的声音，或者把一本小说转成有声书，没有一个顺手的工具。 VoiceStudio 把这条流水线打包成了一个桌面应用：开源、完全本地运行的语音工作台，覆盖语音克隆、声音设计、视频配音、听写、转录和有声书制作，支持 646 种语言。GitHub 上 8.9 万多 Sta...
Framework Pipecat 用Python搭建实时语音智能体的开源框架
项目
做一个语音智能体，把语音识别、大模型、语音合成、网络传输串起来，每家服务一套 SDK，延迟还要一层层抠——这个门槛挡住了绝大多数想尝试实时语音 AI 的团队。Pipecat 是这条赛道上最成熟的开源框架：一个用 Python 构建实时语音和多模态对话智能体的框架，把音频视频编排、AI 服务、传输层和会话管线全部抽象成可组合的组件。官方一句话定位：「编排音频视频、AI 服务、传输和会话管线，让你专注于智能体的独特之处」。它由 Daily 维护，背后有商业公司持续投入，采用 BS...