项目简介
pipecat
是用于构建语音(和多模态)对话代理的框架。诸如私人教练、会议助理、儿童讲故事玩具、客户支持机器人、摄入流程和尖刻的社交伙伴。
看看一些示例应用:
语音代理入门
您可以开始在本地计算机上运行 Pipecat,然后在准备就绪后将代理进程移动到云中。您还可以添加📞电话号码、🖼️图像输出、📺视频输入、使用不同的 LLMs,等等。
1 # install the module
2 pip install pipecat-ai
4 # set up an .env file with API keys
5 cp dot-env.template .env
默认情况下,为了最小化依赖关系,只有基本的框架功能可用。某些第三方 AI 服务需要额外的依赖项,您可以使用这些依赖项进行安装:
您的项目可能需要也可能不需要这些,因此它们作为可选要求提供。下面是一个列表:
-
AI services: anthropic, azure, fal, moondream, openai, playht, silero, whisper
-
Transports: local, websocket, daily
代码示例
-
基础 — 相互构建的小片段,一次引入一个或两个概念
-
示例应用程序 — 可用作开发起点的完整应用程序
本地运行的简单语音代理
这是一个非常基本的 Pipecat 机器人,当用户加入实时会话时,它会向他们打招呼。我们将使用 Daily 进行实时媒体传输,并使用 ElevenLabs 进行文本转语音。
运行它:
Daily 提供预构建的 WebRTC 用户界面。在应用程序运行时,您可以访问 https://<yourdomain>.daily.co/<room_url>
并听机器人打招呼!
用于生产的 WebRTC
WebSocket 非常适合服务器到服务器的通信或初始开发。但对于生产用途,您需要客户端-服务器音频才能使用专为实时媒体传输而设计的协议。(有关 WebSockets 和 WebRTC 之间区别的解释,请参阅这篇文章。
快速启动和运行WebRTC的一种方法是注册一个Daily开发者帐户。Daily 为您提供用于音频(和视频)路由的 SDK 和全球基础设施。每个帐户每月可免费获得 10,000 分钟的音频/视频/转录时间。
在此处注册并在开发者仪表板中创建房间。
什么是VAD?
语音活动检测 — 对于了解用户何时完成与机器人的通话非常重要。如果您不使用按压通话,并希望 Pipecat 检测用户何时完成通话,VAD 是自然感觉对话的重要组成部分。
Pipecast 在使用 WebRTC 传输层时默认使用 WebRTC VAD。或者,您可以使用Silero VAD来提高精度,但代价是CPU使用率更高。
首次使用 Silero 运行机器人时,启动可能需要一段时间,同时在后台下载和缓存模型。您可以在控制台中查看此操作的进度。
黑客攻击框架本身
请注意,在按照以下说明操作之前,您可能需要设置虚拟环境。例如,您可能需要从存储库的根目录运行以下命令:
在此存储库的根目录下,运行以下命令:
这将生成包。若要在本地使用包(例如运行示例文件),请运行
运行测试
从根目录中,运行:
项目链接