Vision-Agents

用任意模型和视频源，低延迟构建语音视觉智能体。

开源 🏷️定价信息待确认 ✅ 目前可打开智能体 🍴 复刻 700 🐛 待处理 66 👀 关注 49

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 8201

维护状态活跃

是否开源开源

定价模式 🏷️定价信息待确认

项目预览

Vision-Agents 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类智能体

开发团队GetStream

官网地址https://visionagents.ai

GitHubhttps://github.com/GetStream/Vision-Agents

定价模式🏷️定价信息待确认

价格说明定价信息待确认

访问状态✅ 目前可打开

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型agentic-ai,agents,ai,ai-agents,realtime,stt,tts,video-agents,video-ai,vision-ai,voice-ai

GitHub 星标★ 8201

上线时间2025-08-11 00:00:00

代码更新2026-11-08

仓库体积216.8 MB

本站数据更新2026-11-09

维护状态活跃

收录时间2026-08-09

浏览次数5

项目介绍

Vision-Agents 是 Stream 推出的开源框架，用于快速构建语音与视觉智能体。它解决了开发者需要集成多种模型和视频提供商、并实现低延迟实时交互的痛点。核心能力包括：支持任意模型（如 GPT-4o、Claude）和视频服务（如 Twilio、Zoom）的即插即用，提供统一的 Agent 抽象和工具调用机制，并借助 Stream 的边缘网络将交互延迟降至极低。项目内置了语音识别（STT）、语音合成（TTS）和视觉理解模块，可轻松构建语音助手、视频分析机器人等。其 Python 接口简洁，文档示例丰富，适合从原型到生产的快速落地。

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 ★ 8201

技术标签

agentic-ai agents ai ai-agents realtime

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：入门约 10 分钟部署方式：库/依赖 4 步

环境要求

Python 项目环境（README 以 uv 作为依赖管理工具）
已安装 uv 包管理器（README 直接使用 uv add 命令）
Stream 账号及 API 凭据（官网可免费申请）
可选：OpenAI、ElevenLabs、Deepgram 等集成所需的第三方密钥

安装与启动步骤

1安装核心包

在已初始化的 Python/uv 项目中把 vision-agents 作为依赖加入，README 给出的第一步就是这条命令。
```
uv add vision-agents
```
2按需装集成

可选步骤。需要接入 Stream、OpenAI、ElevenLabs、Deepgram 时安装对应 extra，不需要的可以去掉。
```
uv add "vision-agents[getstream, openai, elevenlabs, deepgram]"
```
3获取 Stream 凭据

到 Stream 官网免费申请 API Key，开发者每月获 333,000 participant minutes，Maker Program 还可领额外额度。
4构建首个智能体

按官方 quickstart 文档逐步创建并运行你的第一个语音/视觉智能体，README 未给出具体运行命令。