| live-audio |
✅ |
实时语音聊天,集成 VAD + ASR(Whisper/SenseVoice)+ LLM(GPT-4o/Gemini/Doubao)+ TTS(Fish Audio),WebSocket 低延迟 |
browser-use/ |
📖 |
LLM 驱动的浏览器自动化框架,表单填写/网页导航/数据提取,支持多种 LLM 与云/沙箱部署 |
claude-quickstarts/ |
📖 |
Claude API 快速入门示例与最佳实践,涵盖各种使用场景 |
| phone-agent |
✅ |
标准 ReAct Agent 自行想清号码与目标,调用 make_phone_call(电话语音 API 抽象)完成通话并按需追问再拨 |
| end-to-end-speech |
✅ |
对应 Step-Audio R1 的端到端语音思考(「听→想→说」),与 ASR→LLM→TTS 级联对比延迟与副语言损失 |
| streaming-speech |
✅ |
音频按递增长度分块喂 ASR,每段立刻出文本降首包延迟,对比「整句到齐再识别」的高准确/高延迟 |
| controllable-tts |
✅ |
LLM 输出带控制标记(情感/语速/停顿/笑声),执行层解析映射到参考语音库风格档案再合成 |