説明
Vocode は、音声ベースのアプリケーションを構築するためのオープンソースの Python ライブラリで、vocode-core リポジトリとして公開されています。大規模言語モデルによって強化されたアプリケーションを構築するための抽象化、オーケストレーション、および統合を提供し、人と LLM バックエンドエージェントとの間でリアルタイムのストリーミング会話を実行するために必要なものを提供します。
続きを読む
このライブラリは、音声会話のためのいくつかのエントリーポイントをサポートしています:コンピュータのシステムオーディオとマイクを介して会話を実行する、LLM エージェントで着信電話に応答する電話番号を立ち上げる、管理された番号から発信電話をかける、または Zoom コールにダイヤルインすることができます。また、LangChain エージェントのツールセットの一部として発信電話を使用するための統合も文書化されています。
Vocode は、単一の固定スタックではなく、スワップ可能なプロバイダーを中心に構築されています。トランスクリプション(音声からテキスト)については、AssemblyAI、Deepgram、Gladia、Google Cloud、Microsoft Azure、RevAI、および OpenAI の Whisper(ホスティングされたものとローカルの whisper.cpp)などのサービスと統合しています。会話エージェント自体については、OpenAI および Anthropic モデルと統合しています。音声合成(テキストから音声)については、Rime.ai、Microsoft Azure、Google Cloud、Play.ht、ElevenLabs、Cartesia、オープンソースの Coqui TTS、gTTS、StreamElements、および AWS Polly などのプロバイダーをサポートしています。Vocode ベースのエージェントの周りにウェブフロントエンドを構築するためのコンパニオン React SDK は別途公開されています。
このプロジェクトは MIT ライセンスで、約 3,800 の GitHub スターを持ち、アーカイブされていません。Vocode はコミュニティ指向であり、その README ではプロジェクトがコミュニティメンテイナーを積極的に探しており、新機能、統合、文書の貢献を歓迎していると述べています。これらは公開された Discord サーバーと文書化された貢献ガイドを通じて調整されています。
インストールは単一の `pip install vocode` で行え、プロジェクト独自のクイックスタートでは、Deepgram トランスクリプター、OpenAI ChatGPT ベースのエージェント、および Azure 音声合成器を数十行の Python で動作するストリーミング会話に接続する方法を示しています。自己ホスト型の電話設定を含む完全なドキュメントは docs.vocode.dev に公開されています。
- カテゴリーAI 音声エージェント
- 料金モデルオープンソース
- デプロイクラウド
- プラットフォームWeb
Vocodeの主要機能
リアルタイムのストリーミング音声会話を LLM で構築するためのオープンソースの Python ライブラリ
コンピュータのマイクとスピーカーを介して会話を実行するためのシステムオーディオモード
管理された電話番号を介した着信および発信電話のサポート
Zoom コールのダイヤルインサポート
LangChain エージェントからの発信電話のための LangChain 統合
スワップ可能なトランスクリプションプロバイダー(AssemblyAI、Deepgram、Gladia、Google Cloud、Azure、RevAI、Whisper、whisper.cpp)
スワップ可能な LLM エージェントバックエンド(OpenAI、Anthropic)
スワップ可能な音声合成プロバイダー(ElevenLabs、Cartesia、Azure、Google Cloud、Play.ht、Coqui、gTTS、StreamElements、AWS Polly)
Vocode エージェントの周りにウェブインターフェースを構築するためのコンパニオン React SDK
MIT ライセンス、コミュニティの貢献とメンテナンスにオープン
Vocodeをはじめる
ライブラリをインストールする:Python 環境で `pip install vocode` を実行します
プロバイダーキーを設定する:使用する予定のトランスクリプション、LLM、および合成プロバイダーの API キーを設定します
会話を組み立てる:トランスクリプター、エージェント、合成器をインスタンス化し、それらを StreamingConversation オブジェクトに接続します
ローカルで実行する:提供されたクイックスタートを使用して、システムマイクとスピーカーを介して会話をテストします
電話機能を追加する:自己ホスト型電話ガイドに従って、着信または発信電話番号を接続します
デプロイして拡張する:異なるプロバイダーをスワップインするか、Zoom ダイヤルインエージェントなどのカスタムユースケースのためにライブラリを拡張します
Vocodeの使用例
- カスタム電話音声エージェント
- 音声アシスタントプロトタイプ
- Zoom ベースの音声エージェント
- LangChain 音声ツール





