voice-agent
本站收录 24 个带「voice-agent」标签的 AI 开源项目
agentscope阿里通义实验室开源的智能体开发框架，核心主张是构建并运行「看得见、看得懂、信得过」的智能体。提供统一的多智能体编排、分布式调度与可视化调试能力，支持大模型服务接★ 32,570
qwen-audio-agentqwen-audio-agent 是一个面向 AI Agent 的实时语音运行时，基于 JavaScript 构建，旨在让智能体不仅会对话，还能在对话过程中持续★ 2,830
CyberVerseCyberVerse 是一个自托管的实时数字人智能体平台，旨在帮助开发者快速构建以语音交互为核心的 AI 代理。它解决了传统语音助手缺乏人格化形象和记忆能力的问★ 1,685
mlx-servemlx-serve 是一个专为 Apple Silicon 设计的原生 LLM 推理服务器，使用 Zig 语言编写，无需 Python 环境。它兼容 OpenA★ 1,665
PatterPatter 是一个开源的语音 AI SDK，旨在成为 Vapi 和 Retell 的替代方案，让开发者能够完全掌控自己的语音代理技术栈。它解决了构建电话语音代★ 1,062
LLM-Agents-Ecosystem-Handbook这是一份面向 LLM 智能体（Agent）构建与部署的一站式手册，旨在解决开发者从零开始搭建智能体时缺乏系统指引的问题。项目提供了 60 多个代码骨架（skel★ 550
ai-avatar-system开箱即用的 AI 数字人平台，上传一张照片、克隆一段声音，即可通过唇形同步视频与任意面孔实时对话。完全开源、支持自托管，基于 Claude、Whisper、Ch★ 511
deepgram-python-sdkDeepgram 的官方 Python SDK，用于快速集成 Deepgram 的语音 AI 服务。它解决了开发者在 Python 应用中接入语音识别（ASR）★ 468
flowcraftflowcraft 是一个面向生产环境的 Go 语言 AI Agent 开发 SDK，旨在帮助开发者构建具备长期记忆、知识检索和语音交互能力的智能体。它解决了 ★ 416
sutandosutando 是一个自托管的个人 AI 智能体，主打“白天实时响应，夜间自我进化”。它集成多种主流大模型（如 Claude、Gemini），支持语音交互和多智★ 397
deepgram-js-sdkDeepgram 官方 JavaScript SDK，用于在浏览器和 Node.js 环境中集成 Deepgram 的语音 AI 服务。它解决开发者快速接入语音★ 274
streamcore-serverstreamcore-server 是一个用 Go 编写的开源实时语音智能体服务器，专注于构建低延迟的语音对话应用。它通过 WebRTC（WHIP）协议提供实时★ 228
speech-androidspeech-android 是一个面向 Android 平台的端侧语音 SDK，基于 ONNX Runtime 并利用高通 NNAPI 加速，提供语音识别（A★ 163
agentcallAgentCall 是一个让 AI 智能体以真实身份加入视频会议的开源项目，支持语音、视频和屏幕共享，使 AI 能像人类协作者一样在 Google Meet、M★ 159
axiom-voice-agentaxiom-voice-agent 是一个面向边缘设备和低端显卡的离线语音代理项目，旨在让语音交互在资源受限的环境下也能实现超低延迟运行。它解决了传统语音代理依★ 147
voice-mcp-agentvoice-mcp-agent 是一个基于 TypeScript 的开源语音 AI 代理项目，核心目标是把语音克隆、语音合成与 MCP（Model Contex★ 137
ferosferos 是一个开源的语音智能体操作系统，采用 Rust 编写运行时，强调亚秒级延迟和完全自托管。它旨在解决语音交互场景中响应速度慢、依赖云服务、难以定制等问★ 111
jargojargo 是一个基于 Go 语言、以 WebRTC 原生和音频优先的对话式 AI 框架。它解决了在实时语音交互场景中，开发者难以快速集成语音识别（STT）、语★ 98
deepgram-go-sdkdeepgram-go-sdk 是 Deepgram 语音 AI 平台的官方 Go 语言开发工具包，用于将语音识别（ASR）、语音合成（TTS）和语音代理（Vo★ 90
speech-corespeech-core 是一个面向端侧设备的实时语音智能体流水线，用 C++17 编写，基于 ONNX Runtime 和 LiteRT（TensorFlow ★ 90
OpenVoiceUIOpenVoiceUI 是一个开源的语音驱动 AI 助手平台，旨在通过语音交互连接任意大语言模型（LLM）和文本转语音（TTS）引擎，提供实时网页画布、音乐生成★ 77
wyoming-piper-gpuwyoming-piper-gpu 是一个为 Home Assistant 提供 GPU 加速的 Piper 文本转语音（TTS）服务的 Docker 容器项目★ 57
deepgram-dotnet-sdkdeepgram-dotnet-sdk 是 Deepgram 官方推出的 .NET 客户端库，用于在 C# 应用中集成 Deepgram 的语音 AI 服务。它★ 55
stimmstimm 是一个开源的语音代理平台，专注于通过 WebRTC 实现超低延迟的实时对话。它解决了构建实时语音 AI 应用时面临的管道编排复杂、延迟高、集成困难等★ 52