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。

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →