voice-ai - 构建低延迟语音 AI 代理
使用 Deepgram 语音转文字、Groq 大语言模型、Cartesia 语音合成和 Twilio Media Streams 构建语音 AI 代理。
标签
更新于: 2026-09-28能力
典型输入
典型输出
该技能可以做什么
- 流式转录语音
- 检测语音活动
- 生成低延迟响应
- 流式合成富有表现力的语音
- 处理 Twilio 媒体流
- 支持双语对话
输入
- 用户音频
- 服务商 API 密钥
- 语言设置
- 声音设置
- 情绪设置
- Twilio 呼叫元数据
输出
- 语音转录文本
- 生成的音频响应
- 临时转录事件
- 语句结束事件
- 语音活动事件
- 双向通话音频
要求
- Deepgram API 访问权限
- Groq API 访问权限
- Cartesia API 访问权限
- Twilio 账户访问权限
- 异步 Python 运行环境
- 支持 WebSocket 的服务器