开发者用 Rust 打造 QuixiVoice:给任意 Agent 接上开源语音栈
QuixiAI · x · 2026-11-16
开发者 QuixiAI 展示其正在推进的 QuixiVoice 项目——一套面向任意 Agent 的通用语音栈,由快速语音服务器 + MCP 服务器组成。
技术组成:Rust + burn 框架编写;使用 LAION 的 6k 多样化参考人声数据集;管线串联 Silero VAD v5(活动检测)、NVIDIA Nemotron 3.5 ASR Streaming 0.6B(流式语音识别)、Gemma 4 E2B IT QAT(语言模型)、Ming 3.0 TTS 0.5B(语音合成)。
目前跑在 Metal 内核上,作者计划移植到 CUDA、CDNA 和 XPU,以覆盖更多硬件平台。
「编程与Agent」频道最新
- 用 Claude Code 驱动 Blender,做出机器海豚音乐视频 — maximstark_ · 2026-11-16
- 开源工具 tenz 无损压缩 GGUF,1TB 模型库省出约 80-130GB — Simpli-curious · 2026-11-16
- 把 token 花在验证而非生成:poteto 演讲谈如何交付质量而非垃圾 — gnukeith · 2026-11-16
- 阿里开源 AI 代码评审工具 open-code-review,GitHub 已 5.2 万星 — abhishek__AI · 2026-11-16
- Auto 权限模式痛点:Agent 逐文件索权而非按目录授权 — BenBlaiszik · 2026-11-16
- 马斯克演示 Grok Bot 自动剪辑 23 小时星舰直播集锦 — elonmusk · 2026-11-16