pipecat

收录理由

Pipecat 是一个面向实时语音与多模态智能体的 Python 框架，它把语音识别、大模型调用、语音合成以及音频/视频传输这些环节从底层拼接中解放出来，让开发者直接通过 WebRTC 或 WebSocket 组装成流水线，往返延迟可控制在 500 到 800 毫秒之间，这个范围足以让流式对话保持自然流畅。它既适合构建电话客服机器人、浏览器内的语音助手，也能支撑 AI 陪伴类产品。更重要的是，框架支持从单个智能体扩展到多智能体协作：不同角色的 worker 可以在共享总线上并行运行，或进行任务交接，既能在进程内协作，也能跨机器分布式部署。对于已经明确要接入哪些 AI 服务的团队，Pipecat 替你把编排和传输层的细节都处理好，让你把精力集中在对话逻辑本身。