开源语音代理新招:打断时只保留你听到的历史
andimarafioti · x · 2026-11-18
Hugging Face 的开源项目 speech-to-speech(1.3万+ star)针对语音代理一个反直觉问题给出修复:语音代理生成文本快于朗读速度,用户打断时模型以为对方已听完整个回复,导致上下文错乱。新方案是 speech-to-speech 会把模型的聊天历史精确截断到用户实际听到的部分。
项目本身是完全本地运行的开源语音代理管线,默认 Silero VAD → Parakeet TDT → Qwen3.5-4B → Qwen3-TTS,一条命令即可启动对话,无需 API key 或云服务。
「编程与Agent」频道最新
- Yacine 谈 2026 年 AI 形态演化:上下文外置催生更强的编排者/子 Agent 模式 — yacinelearning · 2026-11-18
- 提出 Open Agent Analytics 愿景:从调试 Agent 到闭环优化 — adnan_hashmi · 2026-11-18
- Probabl 整理 6 个数据科学家该懂的 AI agent 可靠性术语 — GaelVaroquaux · 2026-11-18
- Raycast 推出本地 MCP Server:让 Claude、Codex、Cursor 直接操作你的 Mac — dean_rie · 2026-11-18
- Claude Code 学术研究技能包爆红:GitHub 星标 57.5k — adnan_hashmi · 2026-11-18
- 谷歌论文:自改进 agent harness 门控式改写省 10 倍 token 且迁移性更强 — omarsar0 · 2026-11-18