首页 > 业界 > 关键词  > Voice最新资讯  > 正文

Voice Agent 开源框架 TEN,让你的 AI Agent 能听能说!

2025-03-26 16:57 · 稿源:通往AIGC之路

搭建 Voice Agent 就像是把大象装进冰箱,看上去只有三步很简单:

1)选择 LLM/STT/TTS 大模型

2)接入 WebRTC 或 WebSockets 进行实时传输

3)调整参数封装

但在实际使用过程中,却困难重重:

“😫回声太大、噪音太多”、“人声太杂听不清👂”

人工智能如智障,说话都不能打断🤐”

“延迟太高反应慢🐢”、“又有新模型了又要重新接😞”

“三段式看着简单实现的工程太难💻”

“多模态数据间的实时传输太麻烦了、搞不定啊 🤯”

“CPU消耗怎么这么高?!!😢

于是,对话式 Voice Agent 开源框架——TEN Framework应运而生!

TEN 解决了 Voice Agent 搭建过程中与多模态数据传输复杂、延迟高的问题,并且将LLM、STT、TTS 等模型进行模块化、自由调用,为开发者减少实现时的工程问题,更加聚焦于场景与业务内容,快速完成产品的落地与验证,并能够真正用于实际生产 💪

🤔 那么,TEN 是什么?

TEN 是一个实时对话式 Voice Agent 引擎,可以帮助开发者快速搭建可音视频交互的 AI Agent。

目前已经支持包括Deepseek、OpenAI、Gemini等在内的全球各大主流 STT、LLM、TTS 厂商。

同时 TEN 可以支持接入DifyCoze,只需配置 bot ID/API,就能让你的 bot 开口说话。

图片

(TEN 已经支持的 extension)

🤩 TEN 有哪些优势 ?

1、支持多模态传输:可满足语音、文本和图像的输入与输出

    • 支持语音、文本、图像等数据传输,充分发挥多模态优势

    • 同时支持级联模式(STT-LLM-TTS)端到端模式(End to End)打造音视频交互

2、低延迟、可打断:内置优化后的实时通信能力,提供低延时、可打断的交互体验

    • 内置 RTC,解决语音交互时的延迟问题,基于TEN Framework 搭建的 Agent,优化最佳情况下延迟仅650ms

    • 自带 VAD,在与 AI 语音交流过程中可以随时打断、还原真实对话

3、插件丰富、灵活编排:支持接入全球主流 STT、LLM和 TTS,快速使用

    • 已支持全球主流的 STT、LLM、TTS 等插件,配置 key 即可

    • 及时跟进最新技术,24h 内完成接入 OpenAI Realtime API、Gemini2.0

4、多语言、跨平台:支持主流语言,Agent 可跨平台无缝衔接

    • 支持 C++/Go/Python/Node.JS 等各类编程语言(JavaScript 即将支持)

    • 支持Agent 在 Windows/Mac/Linux/移动端等的跨平台使用

🤖用 TEN 可以做出什么?

1、TEN + SIP:AI 外呼中心

AI 外呼中心,如:企业客服/外呼中心/专业咨询......

让客户打电话给你定制的 AI Agent 专家!

Demo 里演示的是心理咨询专家,可以看到 Agent 在听到“我”说心情不好时语气也低沉了下来,语音在这种场景下比文字更合适。

2、TEN + 硬件:智能玩具

故事机/智能音箱/AI 玩具/智能家居......

目前已支持 ESP32,你可以直接与 ESP32进行低延迟、可打断的对话,让他给你讲个故事。

3、TEN + 数字人:虚拟陪伴

TEN目前支持 Trulience avatars 虚拟形象,让你的 AI 导购/虚拟宠物/AI 游戏陪玩......

你可以让小狗与你切换方言、进行语音交流;

也可以和 AI 一起下棋,动嘴就能操控,解放双手。

4、TEN + Computer Use:语音操控电脑

自然语言交互界面(LUI)会越来越进入我们的生活。

用语音开启浏览器、电脑 App、记 memo......你也可以用 TEN 打造自己的“贾维斯”。

图片

5、TEN + 游戏:AI游戏陪玩

语音剧本杀之东方快车谋杀案。

跟 NPC 聊聊案件发生时 TA 们都在做什么,沉浸式体验,一个人也可以玩剧本杀。

图片

6、TEN + Gemini2.0:看得见的个人助理

在使用 Gemini2.0模型时,TEN 不仅能听见,还能看见!

当通过摄像头/屏幕共享与 TEN 分享图片时,他不仅可以精准地认出小猫咪的颜色,还能辨别出具体品种!🐱

7、TEN + 能说能画的故事机

TEN 提供了 Storyteller 作为 usecase,内置文生图模型插件,可引导用户去共同完成一个故事,同时生成精彩的配套图片

📒如何使用 TEN 呢?

如果您是新手,希望能够 step by step 的学习如果使用 TEN Agent,欢迎参考油管博主 Developer Digest 的教程👇

如果您已经基本了解 TEN 了,也欢迎尝试最新上线的虚拟人 TEN + Trulience👇

最后,如果你对 TEN 感兴趣,欢迎star项目,支持并跟进项目最新动态!

😺 快速体验链接:https://agent.theten.ai/

💻 本地部署 Github 链接:

https://github.com/TEN-framework/TEN-Agent

举报

  • 相关推荐
  • 技术攻坚|itc保伦股份荣获2026人工智能创新奖,共探会议、应急、校园等场景人工智能落地新范式

    itc保伦股份深耕声光电视讯三十余年,以软硬件一体化全场景AI落地获“2026人工智能创新奖”。企业打通终端、传输、算法与云平台,构建全链路空间智能系统,在智慧会议(实时转写、超分4K)、应急指挥(50余类智能监测预警)和智慧校园等场景解决刚需痛点。坚持垂直赛道多模态智能,持续迭代协同平台,未来将深化AI与实体经济融合,助力千行百业数字化转型。

  • 红熊AI原生Agent,让AI带着记忆走进千行百业

    红熊AI推出基于MemoryBear记忆引擎的四大原生Agent,解决大模型在真实业务中因“无记忆”导致的碎片化问题。智能客服跨渠道共享记忆,能办结完整任务而非仅问答;智能营销五Agent围绕统一客户记忆协同,避免割裂;ChatBI以自然语言问数,记指标、越用越准;智能教育记录学生三层成长轨迹。MemoryBear在两项全球基准登顶,推动AI从瞬间反应走向持续成长,让有记忆的AI更懂你。

  • 深耕算力筑基开源生态 寒武纪赋能人工智能产业高质量发展

    银河证券研报指出,国家六张网加速推进,算力网成AI关键基础设施。寒武纪作为智能芯片龙头,具备云边端一体化系列产品。2025年营收64.97亿元,+453%;净利20.59亿扭亏。公司深入推理生态、适配主流大模型,拥抱开源,持续赋能AI产业高质量发展。

  • 店匠科技李俊峰:独立站进入 AI Agent 时代,经营规模不再与团队规模线性绑定

    店匠科技于深圳峰会发布AI智能体Athena的全新经营逻辑,并首次提出《独立站AI运营成熟度分级》。Athena能理解目标、拆解任务并调用专业Agent执行全链路运营,显著降低人工协作依赖。该分级从任务覆盖度、自主完成率、人工介入率等四维度,将AI能力分为L1到L5五阶段:从单点生成工具到全自主商业体,当前Athena人工介入率已降至18%。其价值在于将复杂经营决策转为日常能力,通过连接全球生态实现7×24小时精准调度,推动独立站从工具驱动迈向意图驱动的智能运营模式。

  • 聚焦技术突破与产业落地 人工智能与机器人两展四大奖项启动申报

    新一轮科技革命推进AI与机器人产业步入应用与产品化新阶段。第28届深圳高交会将设AI与机器人双馆,同步启动四大奖项评选,构建从底层技术突破到场景落地的完整评价链。评选旨在识别能转化为现实生产力的创新,重点考察原创性、工程化、市场验证与场景成效,推动产业从“展示创新”走向“兑现价值”。依托上届展会超45万人次、1700多亿元签约成果的国家平台,获奖者将获对接市场与资本支持,中国机器人产业正迈入“生态竞争”新阶段。

  • 百度智能云发布OPC扶持计划,三个月计划投入2亿元加码Agent生态

    8月12日,百度智能云在成都发布OPC专项扶持计划,三个月内投入2亿元,从产品、算力、市场、培训等维度支持生态。计划提供Agent产品权益与资源,降低创新创业门槛。百度Agent全家桶以搭子为入口串联秒哒、网盘等,覆盖内容创作全链路,已在短剧、动漫、AI音乐等场景落地,联合生态伙伴推动内容产业规模化发展。

  • 腾讯云 Agent Memory 发布团队记忆版本,支持代码库、文档、对话、Skill 共享

    腾讯云开源项目TencentDB Agent Memory发布团队版Team Memory,将Agent长期记忆从个人扩展至团队协作。它能将对话、文档、代码和工作方法沉淀为Chat Memory、LLM-Wiki、CodeGraph和Skill四类记忆资产,按角色和任务精准装配给CodeBuddy等不同Agent复用,解决团队中项目背景反复介绍、经验难复用的痛点。同步上线的Memory Hub可集中管理记忆资产。该记忆层旨在让不同Agent各取所需,加速融入真实工作流。

  • AI CRM的下一个十年:从“人用的系统”到“Agent调用的底座”

    2026年被视为AI Agent规模化落地元年,国内企业级市场预计达135.3亿元,年增速超70%。AI正从辅助工具走向自主执行业务,CRM进入2.0阶段,核心评价标准从“界面友好”转为“调用效率”。销售易NeoAgent2.0以业务语义模型重构数据底座,实现AI原生、结果交付与开放生态,助米其林、伊顿等企业降本增效,标志着CRM从管理系统向能力输出平台的结构性迁移,Agent不是终结而是重生。

  • 予非知识图谱大模型完成生成式人工智能服务备案!潍坊市首个

    “予非知识图谱大模型”获国家生成式AI服务备案认证,系潍坊首例。模型聚焦非结构化数据治理,具备知识建模、实体对齐、动态图谱等全链能力,内置知识分级与访问控制,适配政务、金融等高合规场景。作为“予非·睿知”平台底座,通过“模型+平台”模式破解知识分散、检索难等痛点,赋能政企业务协同与决策。此举为区域生成式AI合规应用与数字经济发展树立新标杆。

  • 超擎数智与香港中文大学(深圳)签署协议,共建人工智能和边缘计算联合实验室

    2026年8月3日,超擎数智与香港中文大学(深圳)正式签署联合实验室协议,共同成立港中大(深圳)-超擎数智人工智能和边缘计算联合实验室(CUHK-Shenzhen-ChaoQing Joint Laboratory of AI and Edge Computing),双方依托高校国际一流科研力量与企业产业落地能力强强联合,聚焦人工智能、边缘计算核心技术开展深度产学研用协同攻关,搭建集科研创新、人才培育、成果产业转化于一体的长效科�

今日大家都在搜的词: