LLMVoX

让任意LLM秒变语音助手，流式对话零延迟

LLMVoX 是一个将任意大型语言模型（LLM）转换为支持流式语音对话的端到端系统。它解决了传统语音助手需要额外语音识别和合成模块、延迟高且交互不自然的问题。核心能力包括：基于自回归编解码器（codec）的语音生成，支持流式输出，能边生成边播放；与主流 LLM 无缝集成，无需修改原模型结构；提供多模态交互能力，让文本模型具备语音输入输出。项目基于 Python 实现，技术栈涉及音频编解码、神经语音合成和多模态大模型，由 MBZUAI 团队开发，目前处于早期阶段，但架构设计清晰，适合研究者和开发者快速集成语音能力到现有 LLM 应用中。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 312

维护状态低维护

是否开源是

定价模式 free

项目数据

分类音频音乐

开发团队mbzuai-oryx

所属国家

官网地址https://mbzuai-oryx.github.io/LLMVoX

GitHubhttps://github.com/mbzuai-oryx/LLMVoX

定价模式free

价格说明开源模型，可本地部署，完全免费使用。

访问状态

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型audio,audiollm,codec,llm,llmvox,mbzuai,mini-omni,multimodal-large-language-models,neural-speech-synthesis,omni,streaming,text-to-speech,transformers,tts,voice-assistant,wavtokenizer

GitHub 星标★ 312

30天Star增速

HF 下载量

上线时间2025-03-06 00:00:00

最近更新2026-09-17 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

核心亮点

与任意LLM无缝集成，无需修改模型结构，即插即用
自回归流式生成，音频延迟低，支持边生成边播放
基于codec的语音编解码，音质自然，且支持多语言扩展

不足之处

项目处于早期阶段，文档和社区支持待观察
依赖特定codec模型，可能对低资源设备不友好

适用场景

将现有文本LLM快速升级为语音助手（如智能音箱、车载助手）
实时语音翻译和同声传译场景
多模态交互应用（如虚拟人、游戏NPC）

替代项目

Mini-Omni、Qwen-Audio、SpeechGPT

项目介绍

LLMVoX 是音频音乐领域的开源项目，由 mbzuai-oryx 开发，2025 年首次发布。

它收录于音频音乐分类，该分类目前共有 738 个项目，GitHub 星标数为 312。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-17。可本地部署，完全免费使用。

它主要面向的使用场景是：将现有文本LLM快速升级为语音助手（如智能音箱、车载助手）。同类可对比的替代方案包括 Mini-Omni、Qwen-Audio、SpeechGPT。

上一篇：xcodec

下一篇：wavegrad