当开发一个实时 AI 语音助手，需要分别对接语音识别、大语言模型、语音合成等多个服务，还要处理复杂的实时通信逻辑，颇为繁琐。 在 GitHub 上发现了 VideoSDK AI Agents 开源框架旨在简化智能语音 Agent 的开发流程。 基于 Python 构建，已将语音识别、AI 对话、语音合成等功能整合到框架中，并支持 OpenAI、Gemini 等主流 AI 模型。 GitHub： 主要特性： - 实时音视频通信，AI 代理可在会议中自然对话 - SIP 电话集成，支持传统电话系统接入 - 多 AI 模型支持，兼容 OpenAI、Gemini、AWS 等主流服务 - 虚拟头像功能，通过 Simli 提供生动的视觉交互 - 级联管道设计，灵活组合不同的 STT、LLM、TTS 服务 - 智能对话流控制，支持语音检测和轮次管理 通过 pip 安装核心包和所需插件即可开始开发，想要快速构建 AI 语音助手的 Python 开发者可以看下。
