realtime-voice

微软正在其 MAI Playground 上以早期访问形式测试一款新的原生实时语音模型 MAI Realtime。该全双工系统支持多种语言、低延迟和可配置的轮流对话，定位为 OpenAI GPT Live 和 Sesame 的竞争对手。

Thom Wolf 和 Cerebras 发布了一个完全开源、带有模型和代码的实时语音演示，展示了最先进的语音到语音能力。

声称在Cerebras硬件上运行的Gemma-4-31B模型性能优于ChatGPT的语音模式，并通过Hugging Face Space展示了实时语音交互。

我们使用GPT Realtime给Reachy Mini机器人装上了实时语音大脑，使其能够通过麦克风听、摄像头看、扬声器说话，并通过动作工具做出物理反应。该项目已在GitHub上开源。

Reachy Mini拥有一个全新的完全开源后端，用于实时语音交互，本地运行音频模型，并利用LLM订阅来避免按秒计费的API成本。

LiveKit Agents 是一个用于构建实时、多模态语音智能体的开源框架，这些智能体能够看、听和理解，并具备灵活的 STT/LLM/TTS 集成、任务调度、电话支持、MCP 兼容性以及内置测试框架。