描述
Vocode 是一个开源的 Python 库，作为 vocode-core 存储库发布，用于构建由大型语言模型驱动的基于语音的应用程序。它提供了运行人与 LLM 支持的代理之间实时流式对话所需的抽象、编排和集成。
阅读更多
该库支持多种语音对话的入口点：通过计算机的系统音频和麦克风运行对话、设置一个回答入站电话的 LLM 代理的电话号码、从管理号码拨打出站电话，或拨入 Zoom 通话。它还记录了将出站电话用作 LangChain 代理工具集的一部分的集成。
Vocode 是围绕可互换提供商构建的，而不是单一固定堆栈。对于转录（语音转文本），它与包括 AssemblyAI、Deepgram、Gladia、Google Cloud、Microsoft Azure、RevAI 和 OpenAI 的 Whisper（包括托管和本地 whisper.cpp）等服务集成。对于对话代理本身，它与 OpenAI 和 Anthropic 模型集成。对于语音合成（文本转语音），它支持包括 Rime.ai、Microsoft Azure、Google Cloud、Play.ht、ElevenLabs、Cartesia、开源 Coqui TTS、gTTS、StreamElements 和 AWS Polly 等提供商。一个配套的 React SDK 单独发布，用于围绕基于 Vocode 的代理构建 Web 前端。
该项目采用 MIT 许可证，拥有约 3,800 个 GitHub 星标，并且没有归档。Vocode 以社区为导向：其 README 表示该项目正在积极寻找社区维护者，并欢迎新功能、集成和文档的贡献，通过公共 Discord 服务器和文档化的贡献指南进行协调。
安装只需运行 `pip install vocode`，该项目的快速入门演示了如何在几十行 Python 代码中将 Deepgram 转录器、基于 OpenAI ChatGPT 的代理和 Azure 语音合成器连接成一个工作流式对话。完整文档，包括自托管电话设置，发布在 docs.vocode.dev。
- 类别AI 语音助手
- 定价模式开源
- 部署云端
- 平台网页版
Vocode的核心功能
开源 Python 库，用于构建实时流式语音对话与 LLM
系统音频模式，通过计算机的麦克风和扬声器运行对话
通过管理电话号码支持入站和出站电话
Zoom 通话拨入支持
LangChain 集成，用于从 LangChain 代理拨打出站电话
可互换的转录提供商（AssemblyAI、Deepgram、Gladia、Google Cloud、Azure、RevAI、Whisper、whisper.cpp）
可互换的 LLM 代理后端（OpenAI、Anthropic）
可互换的语音合成提供商（ElevenLabs、Cartesia、Azure、Google Cloud、Play.ht、Coqui、gTTS、StreamElements、AWS Polly）
配套的 React SDK，用于围绕 Vocode 代理构建 Web 界面
MIT 许可证，欢迎社区贡献和维护
Vocode入门
安装库：在 Python 环境中运行 `pip install vocode`
配置提供商密钥：为您计划使用的转录、LLM 和合成提供商设置 API 密钥
组装对话：实例化转录器、代理和合成器，然后将它们连接到 StreamingConversation 对象
本地运行：使用提供的快速入门测试通过系统麦克风和扬声器进行对话
添加电话功能：按照自托管电话指南连接入站或出站电话号码
部署和扩展：更换不同的提供商，或扩展库以满足自定义用例，例如 Zoom 拨入代理
Vocode的使用案例
- 自定义电话语音代理
- 语音助手原型
- 基于 Zoom 的语音代理
- LangChain 语音工具
