| live-audio |
✅ |
即時語音聊天,整合 VAD + ASR(Whisper/SenseVoice)+ LLM(GPT-4o/Gemini/Doubao)+ TTS(Fish Audio),WebSocket 低延遲 |
browser-use/ |
📖 |
LLM 驅動的瀏覽器自動化框架,表單填寫/網頁導航/資料提取,支援多種 LLM 與雲/沙箱部署 |
claude-quickstarts/ |
📖 |
Claude API 快速入門示例與最佳實踐,涵蓋各種使用場景 |
| phone-agent |
✅ |
標準 ReAct Agent 自行想清號碼與目標,呼叫 make_phone_call(電話語音 API 抽象)完成通話並按需追問再撥 |
| end-to-end-speech |
✅ |
對應 Step-Audio R1 的端到端語音思考(「聽→想→說」),與 ASR→LLM→TTS 級聯對比延遲與副語言損失 |
| streaming-speech |
✅ |
音訊按遞增長度分塊餵 ASR,每段立刻出文字降首包延遲,對比「整句到齊再識別」的高準確/高延遲 |
| controllable-tts |
✅ |
LLM 輸出帶控制標記(情感/語速/停頓/笑聲),執行層解析對映到參考語音庫風格檔案再合成 |