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。

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →