做泰米尔语语音陪伴应用：STT/TTS 选型、长期记忆与并发扩展三问
intrepidkarthi · reddit · 2026-08-20
开发者正在构建一个泰米尔语（Tamil）语音陪伴应用，目标 5–10 分钟长对话而非任务机器人，当前栈为 Sarvam Saaras STT + 自有 LLM + TTS，跑在 LiveKit 上，语音到语音延迟约 2 秒。质量标杆是 ChatGPT 的泰米尔语音对话（尤其是自然度与轮次切换），但因安全门控和记忆都做在文本层，只能用级联方案而非 speech-to-speech。
核心三问：
- Tamil 栈：Google Chirp3 HD 听感优于 Sarvam Bulbul 但音高不可调、不支持泰米尔自定义发音；ElevenLabs Flash 无泰米尔语，Deepgram Nova-3 在泰米尔语 WER 约 68% 被排除，是否有第三选项？
- 长期记忆：目前用结构化抽取进 SQLite（带有效期的事实）替代 RAG 以保持 prompt cache 温热，想了解 Graphiti/Zep 或 Mem0 在非英语语音 agent 上的抽取质量表现。
- 并发扩展：自托管 LiveKit Agents vs Pipecat，瓶颈在哪？作者怀疑是批处理 STT 与非流式 TTS，下一步切到 Sarvam 的流式 websocket 端点，并承诺回报测试数据。
所属事件:开发者探讨泰米尔语语音陪伴应用技术选型(2 条相关)→
「编程与Agent」频道最新
- 可视化 Claude Code 一周工作流：按时间展开文件变更 — repligate · 2026-08-20
- 硬核玩法：利用 OAuth 让 Claude Code 调用 Grok 而无需 API Key — socialwithaayan · 2026-08-20
- 用 Grok Bot 做全天候求职代理：每天自动投 20 份定制简历 — bigaiguy · 2026-08-20
- 实测一个月打脸：Claude 自动 SEO 循环为什么全是坑 — ayushtweetshere · 2026-08-20
- AI Agent 直连 Gmail 与 Drive，Prompt 注入成最大软肋 — emmanuelvivier · 2026-08-20
- 时序知识图记忆引擎延迟降 90%，超越 MemGPT — anirbanbandyo · 2026-08-20