【开源推荐】用 TEN Agent 快速打造 Voice Agent，让AI 能听能说

[SyunWong]

仓库地址：https://github.com/TEN-framework/TEN-Agent
快速体验：https://agent.theten.ai

【解决痛点】更多的人通过语音与 AI 进行交互，无论是 AI 口语陪练，还是 AI 智能外呼，或者是智能硬件陪伴，Voice Agent 具有广阔的应用空间。在实际应用中，想要让 AI 听得清、说得准，就需要面对低延迟传输、音频3A处理等大量问题。

TEN Agent 基于开源框架 TEN Framework，为开发者提供快速、高效的工具来构建实时对话式 Voice Agent，让 AI 能听能说。

TEN Agent 支持多模态互动，支持语音、图像等多种输入方式，并具备实时语音打断功能，能为用户带来自然的交互体验。通过https://agent.theten.ai 即可进行快速体验。

TEN Agent 已集成 Gemini 2.0，OpenAI Realtime、DeepSeek、RTC 等多种模型及组件，已适配 Dify、Coze 主流编排工具，同时支持 ESP32。  

🚀 核心特点

• 免费开源框架
  TEN Agent 基于主流对话式 Voice Agent开源框架 TEN Framework，用户可免费使用

• 完整的音视频传输解决方案，低延时、可打断
  默认集成的RTC 包含了完整音视频传输解决方案，尤其是音频3A处理（回声消除、自动增益控制、主动降噪），无惧周围环境、让 AI 听得更清，实现更自然的交互

• 集成全球主流模型，可高效快速开发
  已集成全球主流的 LLM、STT、TTS ，其中包含 Gemini 2.0，OpenAI Realtime、DeepSeek、RTC 等模块及组件，并且保持快速更新，能帮助用户快速开发

• 接入 dify.ai 和 Coze 等主流编排工具
  用户只需将已搭建好的 chatbot 的 API Key 贴入 TEN Agent中，即可让自己的chatbot 能通过语音进行对话

• 支持 ESP 32，让智能硬件也能交流
  已支持 ESP 32，用户可通过 TEN + ESP 32快速打造 AI 语音聊天硬件，可广泛应用于智能语音助手、智能家居等领域

---

💡 应用场景

• 🤖 AI 语音聊天助手，如个人助手、虚拟陪伴等
• 🗒️ 智能陪伴硬件，如 AI 玩具等
• 🧑‍🏫 AI 智能外呼中心 
• 🎧 同声传译与AI 会议翻译

---

👀 使用示例

• 用TEN Agent 和Gemini 分享你的猫猫（视频图像识别+屏幕共享+实时语音交流）

TEN+Gemini.mp4

• TEN：storyteller with image generator讲故事的同时生成图片

TEN.Story.teller.with.image.generator.mov

• TEN+ESP32:与智能硬件聊天

TEN+ESP32.mov

• TEN+SPI：给AI心理医生打电话

TEN.+SIP.mov

---

💻 快速开始

https://github.com/TEN-framework/TEN-Agent?tab=readme-ov-file#next-step

[suziewong]

mark

[xiang0818]

我让她说中文，笑死我了。外国人学中文的口音都有

[SyunWong]

TEN Agent 已经可以和 DeepSeek R1 用语音聊天啦！而且不用等待“服务器繁忙”