メインコンテンツへスキップ
ToolPotion
AI アドバイザー
送信(無料)

Vocode

Vocode (vocode-core) は、システムオーディオ、着信または発信電話、または Zoom コールを介して実行できるリアルタイムストリーミング会話のための音声ベースの LLM 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 ライブラリです。開発者が既存のプロバイダーから音声エージェントを組み立てることができるように、トランスクリプション、LLM エージェント、音声合成の抽象化をバンドルしています。

リポジトリを見る
共有
リポジトリを見る
共有

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

  • 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

  1. 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

  2. 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

  3. 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

  4. 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

  5. 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

  6. 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

  • 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

Vocode のレビュー

読み込み中...

Vocode に似た人気のAIツール

Deepgram Voice Agent APIは、高度な音声認識および音声合成技術を使用してリアルタイムの音声AIエージェントを作成することを可能にします。自然な会話のためのシームレスなオーケストレーションを提供し、応答性の高い顧客インタラクションを求める企業に最適です。

AI 音声エージェント
ツールを見る

高度な音声認識および音声合成技術を使用してリアルタイムの音声AIエージェントを作成することを可能にします。自然な会話のためのシームレスなオーケストレーションを提供し、応答性の高い顧客インタラクションを求める企業に最適です。Deepgram Voice Agent APIは、高度な音声認識および音声合成技術を使用してリアルタイムの音声AIエージェントを作成することを可能にします。自然な会話のためのシームレスなオーケストレーションを提供し、応答性の高い顧客インタラクションを求める企業に最適です。

AI 音声エージェント
AI アプリ トップ250を見る

ムーンシャインは、非常に低遅延の音声認識、意図認識、音声合成機能を提供し、効率的な音声エージェントやインターフェースの作成を可能にします。音声機能をアプリケーションに統合したい開発者に最適です。

AI 音声エージェント
ツールを見る

Vogent AI Voice Agents

AI エージェント

Vogentは、人間のようなAI音声エージェントを構築、テスト、展開するためのオールインワンプラットフォームです。超リアルなテキスト読み上げ、高度な検出モデル、ノーコードのフロービルダーを提供し、様々なビジネスニーズに対応するインテリジェントな会話エージェントを迅速に作成できます。

AI 音声エージェントヘルスケア・ライフサイエンス

AI エージェントで第205位

ツールを見る

AI エージェント

人間のようなAI音声エージェントを構築、テスト、展開するためのオールインワンプラットフォームです。超リアルなテキスト読み上げ、高度な検出モデル、ノーコードのフロービルダーを提供し、様々なビジネスニーズに対応するインテリジェントな会話エージェントを迅速に作成できます。Vogentは、人間のようなAI音声エージェントを構築、テスト、展開するためのオールインワンプラットフォームです。超リアルなテキスト読み上げ、高度な検出モデル、ノーコードのフロービルダーを提供し、様々なビジネスニーズに対応するインテリジェントな会話エージェントを迅速に作成できます。

AI 音声エージェントヘルスケア・ライフサイエンス
AI エージェントで第205位

VoiceBun

AI アプリ

VoiceBunは、数秒で本番環境に対応したAI音声エージェントを作成・展開できるオープンソースの音声エージェントビルダーです。電話番号の提供、音声のクローン作成、通話、サポート、スケジューリングの自動化が可能です。

AI 音声エージェントヘルスケア・ライフサイエンス
ツールを見る

AI アプリ

数秒で本番環境に対応したAI音声エージェントを作成・展開できるオープンソースの音声エージェントビルダーです。電話番号の提供、音声のクローン作成、通話、サポート、スケジューリングの自動化が可能です。VoiceBunは、数秒で本番環境に対応したAI音声エージェントを作成・展開できるオープンソースの音声エージェントビルダーです。電話番号の提供、音声のクローン作成、通話、サポート、スケジューリングの自動化が可能です。

AI 音声エージェントヘルスケア・ライフサイエンス
AI アプリ トップ250を見る

Millis AI

AI エージェント

Millis AIは、開発者や企業が、600msという超低遅延でLLMベースの高度な音声アプリケーションを構築できるようにします。人間のような音声エージェントを数分で作成して展開でき、既存のシステムやAPIとシームレスに連携して、カスタマーサポートやバーチャルアシスタントなどを強化します。

AI 音声エージェント

AI エージェントで第186位

ツールを見る

AI エージェント

開発者や企業が、600msという超低遅延でLLMベースの高度な音声アプリケーションを構築できるようにします。人間のような音声エージェントを数分で作成して展開でき、既存のシステムやAPIとシームレスに連携して、カスタマーサポートやバーチャルアシスタントなどを強化します。Millis AIは、開発者や企業が、600msという超低遅延でLLMベースの高度な音声アプリケーションを構築できるようにします。人間のような音声エージェントを数分で作成して展開でき、既存のシステムやAPIとシームレスに連携して、カスタマーサポートやバーチャルアシスタントなどを強化します。

AI 音声エージェント
AI エージェントで第186位

Retell AIは、電話応対を大規模に自動化するための、本番環境対応のAIボイスエージェントプラットフォームを提供します。複雑な会話を処理し、タスクを実行し、既存システムとシームレスに統合する、人間のようなAIエージェントを構築、テスト、デプロイ、監視することで、業務効率と顧客エンゲージメントを向上させます。

AI 音声エージェントヘルスケア・ライフサイエンス

AI アプリで第154位

ツールを見る

電話応対を大規模に自動化するための、本番環境対応のAIボイスエージェントプラットフォームを提供します。複雑な会話を処理し、タスクを実行し、既存システムとシームレスに統合する、人間のようなAIエージェントを構築、テスト、デプロイ、監視することで、業務効率と顧客エンゲージメントを向上させます。Retell AIは、電話応対を大規模に自動化するための、本番環境対応のAIボイスエージェントプラットフォームを提供します。複雑な会話を処理し、タスクを実行し、既存システムとシームレスに統合する、人間のようなAIエージェントを構築、テスト、デプロイ、監視することで、業務効率と顧客エンゲージメントを向上させます。

AI 音声エージェントヘルスケア・ライフサイエンス
AI アプリで第154位

ThinnestAI

AI アプリ

ThinnestAIは、インドで構築された音声およびチャットAIエージェントプラットフォームで、100以上の言語をサポートし、すべての公式インド語を含み、ネイティブSIP電話、ノーコードフローエディタ、フラットな分単位料金を提供します。

AI 音声エージェント通信

AI 音声エージェントで第98位

ツールを見る

AI アプリ

インドで構築された音声およびチャットAIエージェントプラットフォームで、100以上の言語をサポートし、すべての公式インド語を含み、ネイティブSIP電話、ノーコードフローエディタ、フラットな分単位料金を提供します。ThinnestAIは、インドで構築された音声およびチャットAIエージェントプラットフォームで、100以上の言語をサポートし、すべての公式インド語を含み、ネイティブSIP電話、ノーコードフローエディタ、フラットな分単位料金を提供します。

AI 音声エージェント通信
AI 音声エージェントで第98位

Gwenflow

AI GitHub リポジトリ

Gwenflowは、自律AIエージェントと大規模言語モデル(LLM)を活用したアプリケーションのオーケストレーションを行うためのPythonフレームワークです。LLMとエージェントのスケーラブルなソリューションへの統合を簡素化し、複数のLLMプロバイダー、マルチエージェントフロー、RAGパイプライン、ストリーミングをサポートします。

AI エージェントビルダー
ツールを見る

AI GitHub リポジトリ

自律AIエージェントと大規模言語モデル(LLM)を活用したアプリケーションのオーケストレーションを行うためのPythonフレームワークです。LLMとエージェントのスケーラブルなソリューションへの統合を簡素化し、複数のLLMプロバイダー、マルチエージェントフロー、RAGパイプライン、ストリーミングをサポートします。Gwenflowは、自律AIエージェントと大規模言語モデル(LLM)を活用したアプリケーションのオーケストレーションを行うためのPythonフレームワークです。LLMとエージェントのスケーラブルなソリューションへの統合を簡素化し、複数のLLMプロバイダー、マルチエージェントフロー、RAGパイプライン、ストリーミングをサポートします。

AI エージェントビルダー
AI GitHub リポジトリ トップ250を見る
1 / 8