ultravox

让AI语音对话快如真人,实时响应不卡顿

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 开源模型 🍴 复刻 388 🐛 待处理 62 👀 关注 55
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 4587
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源模型,MIT许可证,可免费本地部署使用。

项目预览

ultravox 项目界面预览图
图片来源:项目官网

项目数据

分类开源模型
开发团队fixie-ai
定价模式🏷️完全免费
价格说明开源模型,MIT许可证,可免费本地部署使用。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议MIT
主要语言Python
技术栈/模型ai,llm,slm,speech
GitHub 星标★ 4587
上线时间2024-05-29 00:00:00
代码更新2025-12-12
仓库体积2.5 MB
本站数据更新2026-11-10
维护状态低维护
收录时间2026-08-09
浏览次数8

项目介绍

ultravox 是一个专注于实时语音交互的多模态大语言模型(LLM),旨在解决传统语音助手延迟高、交互不自然的问题。它通过将音频直接作为输入模态与文本联合建模,实现了低至数百毫秒的端到端语音对话,无需传统的语音识别(ASR)和语音合成(TTS)流水线。核心能力包括:流式音频输入输出、支持打断和实时响应、基于Llama等开源基座模型微调、提供简洁的Python API和WebSocket接口。项目采用Python编写,依赖HuggingFace生态,支持自定义数据集训练和推理部署。其设计强调速度与自然度,适合构建实时语音代理、语音交互应用等场景。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 4587

技术标签

使用教程

ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。

难度:进阶 约 20 分钟 部署方式:本地安装 6 步

环境要求

  • MacOS 系统(README 的环境配置章节以 Mac 为例;Debian/Ubuntu 可用 apt 替代 Homebrew)
  • Homebrew 包管理器
  • Just 命令行工具(项目脚本统一入口)
  • pyenv(因项目使用 Poetry,推荐用它管理环境)
  • Python 3.11

安装与启动步骤

  1. 1安装 Homebrew

    MacOS 的包管理器,后续工具都通过它安装;Linux 用户可改用 apt。

    /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
  2. 2更新并安装 Just

    先更新 Homebrew 索引,再安装 Just;Just 是项目所有 shell 工作流的统一入口。

    brew update
    brew install just
  3. 3安装 pyenv 依赖

    先装 xz,再装 pyenv,用于管理隔离的 Python 版本环境。

    brew install xz
    brew install pyenv
  4. 4初始化 pyenv

    执行 pyenv init 让 shell 能识别 pyenv 安装的 Python 版本。

    pyenv init
  5. 5安装 Python 3.11

    安装并使用 Python 3.11 作为全局版本,项目依赖 Poetry 对版本有要求。

    pyenv install 3.11
    pyenv global 3.11
  6. 6运行评估或推理

    在仓库根目录执行,config 文件指定模型、数据集和推理/评估配置。

    just eval --config_path ultravox/evaluation/configs/eval_config.yaml

关键配置

配置项必填说明示例
eval_config.yaml是评估/推理配置文件,指定所用模型、数据集及相关参数ultravox/evaluation/configs/eval_config.yaml
数据集配置目录否README 中数据集配置文件所在目录,需含 eval_config 字段ultravox/data/configs/
registry.py否自定义数据集需在此注册后才能被识别使用ultravox/data/registry.py

如何确认成功

执行 just eval 命令后无报错并正常输出推理/评估结果,即说明环境配置成功。

常见问题

Q:Linux 用户能不能按这个流程装?

A:README 说明 Debian 或 Ubuntu 可以用 apt 替代 Homebrew 完成基础工具安装,其余 pyenv、Python 3.11 的步骤思路一致。

Q:为什么要用 pyenv 而不是系统自带 Python?

A:README 指出由于项目使用 Poetry 管理依赖,推荐用 pyenv 管理 Python 环境,避免版本冲突。

Q:数据集不在项目里怎么办?

A:需在 ultravox/data/configs/ 下新建数据集配置文件(带 eval_config 字段指定评估指标与参数),并在 ultravox/data/registry.py 中注册。

Q:只看到评估命令,怎么做推理?

A:README 说明推理和评估共用同一入口,通过 just eval 加 --config_path 指定配置即可完成推理或评估。

注意事项

  • README 节选只给出了 Mac 环境搭建和评估/推理入口,未包含完整的安装与部署全流程。
  • 命令需在项目仓库根目录下执行,否则找不到 ultravox/ 下的配置文件路径。
  • pyenv 安装后可能需要按 pyenv init 的提示修改 shell 配置文件才能生效。

核心亮点

  • 端到端语音建模,免去ASR/TTS级联,延迟显著降低
  • 支持流式输入输出,可实现打断和实时对话
  • 基于Llama等开源模型,易于微调和定制

不足之处

  • 模型训练和推理资源需求较高,轻量部署有门槛
  • 文档/社区待观察

适用场景

  • 实时语音助手/智能客服
  • 语音交互游戏或虚拟角色
  • 会议纪要实时语音转写与问答

替代项目

Qwen-Audio、SpeechGPT、Moshi

上一篇:mockserver-monorepo

下一篇:GLM-4.5

同类项目推荐

small-doge 开源

小模型也能跑得溜,低资源部署不将就。

Doge Family of Small Language Models

★ 199 2026-08-09
Awesome-RL-for-LRMs 开源

一份清单,看懂强化学习如何让大模型更会推理

A Survey of Reinforcement Learning for Large Reasoning Models

★ 2501 2026-08-09
ViP-LLaVA 开源

用点、框、涂鸦任意指,模型就能看懂你指的地方

[CVPR2024] ViP-LLaVA: Making Large Multimodal Models Understand Arbitrary Visual Pro···

★ 338 2026-08-09
civitai 开源

逛模型、传模型、找灵感,一站式 AI 绘画社区。

A repository of models, textual inversions, and more

★ 7314 2026-08-09
AI-Engineer-Headquarters 开源

一站式 AI 工程方法论与代码库,助你从实验到落地少走弯路

A collection of scientific methods, processes, algorithms, and systems to build stor···

★ 3779 2026-08-09
Awesome-LLM-Resources-List 开源

一站式收藏AI工程资源,快速找到从入门到实战的干货

A Curated Collection of resources for applied AI engineering (work in progress).

★ 557 2026-08-09
asdff 开源

几行代码调用 Stable Diffusion,快速生成图像

★ 56 2026-08-09