Descrição
Vocode é uma biblioteca Python de código aberto, publicada como o repositório vocode-core, para construir aplicações baseadas em voz alimentadas por grandes modelos de linguagem. Ela fornece as abstrações, orquestração e integrações necessárias para executar uma conversa em tempo real e em streaming entre uma pessoa e um agente suportado por LLM.
Ler mais
A biblioteca suporta vários pontos de entrada para uma conversa de voz: executando uma através do áudio e microfone do sistema de uma máquina, configurando um número de telefone que atende chamadas recebidas com um agente LLM, realizando chamadas externas a partir de um número gerenciado, ou discando para uma chamada Zoom. Ela também documenta uma integração para usar uma chamada telefônica externa como parte do conjunto de ferramentas de um agente LangChain.
Vocode é construída em torno de provedores intercambiáveis, em vez de uma pilha fixa única. Para transcrição (fala para texto), ela se integra a serviços como AssemblyAI, Deepgram, Gladia, Google Cloud, Microsoft Azure, RevAI e Whisper da OpenAI (tanto hospedado quanto o local whisper.cpp). Para o agente conversacional em si, ela se integra com modelos da OpenAI e Anthropic. Para síntese de fala (texto para fala), ela suporta provedores como Rime.ai, Microsoft Azure, Google Cloud, Play.ht, ElevenLabs, Cartesia, o Coqui TTS de código aberto, gTTS, StreamElements e AWS Polly. Um SDK React acompanhante é publicado separadamente para construir interfaces web em torno de agentes baseados em Vocode.
O projeto é licenciado sob MIT, possui cerca de 3.800 estrelas no GitHub e não está arquivado. Vocode é orientada para a comunidade: seu README afirma que o projeto está ativamente buscando mantenedores da comunidade e acolhe contribuições de novas funcionalidades, integrações e documentação, coordenadas através de um servidor Discord público e um guia de contribuição documentado.
A instalação é feita com um único `pip install vocode`, e o próprio quickstart do projeto demonstra como conectar um transcritor Deepgram, um agente baseado em OpenAI ChatGPT e um sintetizador de fala Azure em uma conversa em streaming funcional em algumas dezenas de linhas de Python. A documentação completa, incluindo configuração de telefonia auto-hospedada, está publicada em docs.vocode.dev.
- CategoriaAgentes de voz com IA
- Modelo de preçosCódigo aberto
- ImplantaçãoNuvem
- PlataformasWeb
Recursos principais de Vocode
Biblioteca Python de código aberto para construir conversas de voz em tempo real e em streaming com um LLM
Modo de áudio do sistema para executar uma conversa através do microfone e alto-falantes de um computador
Suporte a chamadas telefônicas recebidas e realizadas via um número de telefone gerenciado
Suporte a discagem para chamadas Zoom
Integração LangChain para chamadas externas de um agente LangChain
Provedores de transcrição intercambiáveis (AssemblyAI, Deepgram, Gladia, Google Cloud, Azure, RevAI, Whisper, whisper.cpp)
Backends de agente LLM intercambiáveis (OpenAI, Anthropic)
Provedores de síntese de fala intercambiáveis (ElevenLabs, Cartesia, Azure, Google Cloud, Play.ht, Coqui, gTTS, StreamElements, AWS Polly)
SDK React acompanhante para construir interfaces web em torno de agentes Vocode
Licenciado sob MIT, aberto a contribuições e manutenção da comunidade
Primeiros passos com Vocode
Instale a biblioteca: execute `pip install vocode` em um ambiente Python
Configure as chaves dos provedores: defina as chaves da API para os provedores de transcrição, LLM e síntese que você planeja usar
Monte uma conversa: instancie um transcritor, um agente e um sintetizador, e conecte-os em um objeto StreamingConversation
Execute localmente: teste a conversa através do microfone e alto-falantes do seu sistema usando o quickstart fornecido
Adicione telefonia: siga o guia de telefonia auto-hospedada para conectar números de telefone recebidos ou realizados
Implante e estenda: troque por diferentes provedores ou estenda a biblioteca para um caso de uso personalizado, como um agente de discagem Zoom
Casos de uso de Vocode
- Agentes de voz telefônicos personalizados
- Protótipos de assistentes de voz
- Agentes de voz baseados em Zoom
- Ferramentas de voz LangChain
