Loading video...

Video Failed to Load

Go Home

TEN Agent 一键让 Coze Bot 开口对话，coze+Ten Agent：为自己构建的coze智能体增加实时语音对话能力，利好定制化的智能音箱、ai陪伴等相关场景 构建实时多模态 AI Agent 的TEN Framework 新增 Coze Bot 支持，在 TEN Agent 界面简单输入 Bot ID 和 API Token，即可快速连接 Coze 与 TEN Agent，搭建可以实时互动的 voice agent！ 内容介绍： 1、coze+ten agent开启智能体说话的新时代 2、实操如何实现agent实时语音对话的realtime能力 3、适用于ai陪伴、智能音箱等场景 4、AI日报 #coze #tenagent #ai陪伴 #ai智能音箱

aigclink's profile picture

AIGCLINK

37,375 subscribers

13,029 views • 1 year ago •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

6 Comments

AIGCLINK's profile picture
AIGCLINK1 year ago

github： 国内版体验： 国际版体验：

清风徐来028's profile picture
清风徐来0281 year ago

好东西啊

notice_u's profile picture
notice_u1 year ago

@readwise save

OSDev's profile picture
OSDev1 year ago

rst @readwise save thread

zzzzzzoo00oo's profile picture
zzzzzzoo00oo1 year ago

@readwise save thread

ethanhzoncall's profile picture
ethanhzoncall1 year ago

请问Coze全部都已设定好,但是在笔记本上面跟桌机摄像头跟麦克风都无法启用！原因会是什么？

Related Videos

第一个开源的具有实时对话能力的多模态模型：Mini-Omni ，支持端到端的语音输入、输出 Mini-Omni是清华大学启元实验室开源的项目，能听、能说也能实时思考，在实时语音交互上媲美GPT-4o 特点： 1、实时语音到语音的对话能力: 无需额外的ASR或TTS模型 2、边思考边说话: 能够同时生成文本和音频 3、流式音频输出: 支持流式音频输出 4、"Any Model Can Talk" 方法: Mini-Omni 可以将语音交互能力添加到其他模型中，为其他模型赋能 github： 论文： #LLM #实时语音对话LLM
0:59

第一个开源的具有实时对话能力的多模态模型：Mini-Omni ，支持端到端的语音输入、输出 Mini-Omni是清华大学启元实验室开源的项目，能听、能说也能实时思考，在实时语音交互上媲美GPT-4o 特点： 1、实时语音到语音的对话能力: 无需额外的ASR或TTS模型 2、边思考边说话: 能够同时生成文本和音频 3、流式音频输出: 支持流式音频输出 4、"Any Model Can Talk" 方法: Mini-Omni 可以将语音交互能力添加到其他模型中，为其他模型赋能 github： 论文： #LLM #实时语音对话LLM

AIGCLINK

52,501 views • 2 years ago

腾讯新开源的一款智能体构建框架：Youtu-agent，几句YAML就能让AI上网搜资料、分析表格、整理文件 其用DeepSeek-V3，在WebWalkerQA实现60.71% 的准确率、用最新V3.1可提升到71.47%，在GAIA纯文本验证子集上实现了72.8%的准确率 核心是它的自动化生成智能体及其配置的能力 Youtu-agent内置的“元智能体”，以交互式对话的方式捕获需求，然后自动生成并保存配置 #AIAgent #AI智能体
1:04

腾讯新开源的一款智能体构建框架：Youtu-agent，几句YAML就能让AI上网搜资料、分析表格、整理文件 其用DeepSeek-V3，在WebWalkerQA实现60.71% 的准确率、用最新V3.1可提升到71.47%，在GAIA纯文本验证子集上实现了72.8%的准确率 核心是它的自动化生成智能体及其配置的能力 Youtu-agent内置的“元智能体”，以交互式对话的方式捕获需求，然后自动生成并保存配置 #AIAgent #AI智能体

AIGCLINK

34,204 views • 1 year ago

基于Gemini的一个很实用的英语口语练习工具：gemini-teacher，能实时识别英语发音，提供即时反馈和纠正建议 支持实时语音识别/发音评估、语法纠正、对性发音指导、智能场景切换等 代码作者Box (mainnet arc)已开源见下条 #geminiteacher #AI英语练习工具
3:28

基于Gemini的一个很实用的英语口语练习工具：gemini-teacher，能实时识别英语发音，提供即时反馈和纠正建议 支持实时语音识别/发音评估、语法纠正、对性发音指导、智能场景切换等 代码作者Box (mainnet arc)已开源见下条 #geminiteacher #AI英语练习工具

AIGCLINK

59,719 views • 1 year ago

最近在玩一个开源的 Voice Agent 框架，TEN Framework： ，它有点像「实时语音 / 多模态 Agent 的操作系统」：在一套统一的实时流框架里，把 STT、LLM、TTS、VAD、Avatar 这些模块做成可插拔的“积木”，可以按需组合、替换，重点就是把和 AI 实时对话相关的低延迟、多模态和跨端部署这些工程问题打包解决掉。 花 10min 本地部署跑起来，还没有替换其他的东西，实际体验下它的实时语音问答挺丝滑：可以打断、响应够快，延迟大概在 1s 左右。像 Memory、RAG 这类常见能力也都已经帮你接好了，基于这些再往上可以扩展到 AI 情感陪伴、AI 口语陪练、电话 AI 客服、智能语音硬件这些场景。我用官方案例测试了一下，效果还不错，对「真·实时」语音 Agent 感兴趣的同学可以看看这个开源框架。
0:45

最近在玩一个开源的 Voice Agent 框架，TEN Framework： ，它有点像「实时语音 / 多模态 Agent 的操作系统」：在一套统一的实时流框架里，把 STT、LLM、TTS、VAD、Avatar 这些模块做成可插拔的“积木”，可以按需组合、替换，重点就是把和 AI 实时对话相关的低延迟、多模态和跨端部署这些工程问题打包解决掉。 花 10min 本地部署跑起来，还没有替换其他的东西，实际体验下它的实时语音问答挺丝滑：可以打断、响应够快，延迟大概在 1s 左右。像 Memory、RAG 这类常见能力也都已经帮你接好了，基于这些再往上可以扩展到 AI 情感陪伴、AI 口语陪练、电话 AI 客服、智能语音硬件这些场景。我用官方案例测试了一下，效果还不错，对「真·实时」语音 Agent 感兴趣的同学可以看看这个开源框架。

Tw93

35,918 views • 9 months ago

阿里最新开源了一个实时语音Harness：Qwen-Audio-Agent，让你的Agent能像打电话一样对话，你边说边想，它边听边干活 简单说就是它给你的OpenCode、OpenClaw、Codex们加上了耳朵和嘴巴，然后你就可以用打电话的方式跟这些AI协作 OpenAI有GPT-Live，Qwen-Audio-Agent等于是给现有的Agent生态提供了一个统一的实时语音前台入口 前台上，全双工实时语音层，支持连续对话和自然打断 后台上，对接OpenCode、OpenClaw、Qoder、Hermes、CodeBuddy、Codex各类Agent，负责搜索、推理、写代码、改文件等深度任务 复杂任务委派给后台Agent，执行结果实时带回当前语音对话 人机协作方式就变成了：你一边说Agent一边干，你可以随时插嘴补充，它边干活边给你汇报进展，对话过程跟打电话一样 #AI语音 #agent语音助手 #qwenaudio
1:44

阿里最新开源了一个实时语音Harness：Qwen-Audio-Agent，让你的Agent能像打电话一样对话，你边说边想，它边听边干活 简单说就是它给你的OpenCode、OpenClaw、Codex们加上了耳朵和嘴巴，然后你就可以用打电话的方式跟这些AI协作 OpenAI有GPT-Live，Qwen-Audio-Agent等于是给现有的Agent生态提供了一个统一的实时语音前台入口 前台上，全双工实时语音层，支持连续对话和自然打断 后台上，对接OpenCode、OpenClaw、Qoder、Hermes、CodeBuddy、Codex各类Agent，负责搜索、推理、写代码、改文件等深度任务 复杂任务委派给后台Agent，执行结果实时带回当前语音对话 人机协作方式就变成了：你一边说Agent一边干，你可以随时插嘴补充，它边干活边给你汇报进展，对话过程跟打电话一样 #AI语音 #agent语音助手 #qwenaudio

AIGCLINK

69,606 views • 1 month ago

腾讯全面支持MCP：发布MCP Marketplace、MCP托管、agent构建、发布到小程序/公众号为一体的AI套件平台，打通三个生态：mcp生态、agent生态、小程序/公众号生态，为mcp和agent创业者商业化提供了很好的通道。 使用它不需要任何技术能力，只用5分钟就可以0门槛快速搭建一个类manus通用智能体，且可以发布为web应用、小程序、公众号，相当于coze+mcp+zion的合体。 这也是继阿里云支持mcp之后，第二家国内大厂全面支持mcp，推动mcp成为国内agent互联互通标准。 #mcp #腾讯mcp #mcp托管
23:11

腾讯全面支持MCP：发布MCP Marketplace、MCP托管、agent构建、发布到小程序/公众号为一体的AI套件平台，打通三个生态：mcp生态、agent生态、小程序/公众号生态，为mcp和agent创业者商业化提供了很好的通道。 使用它不需要任何技术能力，只用5分钟就可以0门槛快速搭建一个类manus通用智能体，且可以发布为web应用、小程序、公众号，相当于coze+mcp+zion的合体。 这也是继阿里云支持mcp之后，第二家国内大厂全面支持mcp，推动mcp成为国内agent互联互通标准。 #mcp #腾讯mcp #mcp托管

AIGCLINK

59,139 views • 1 year ago

DeepMind 公布其正在开发一套创新的音频生成技术细节 也就是NotebookLM背后使用的语音技术 它能够使 AI 能够生成生成高质量、自然的单人或多人对话。 其最新的语音生成模型能够在 3 秒内生成 2 分钟的对话，速度比实时生成快 40 倍。 同时能够保持说话人之间的连贯切换，输出语音中还包括自然的停顿、口头语（如 “嗯”、“啊”）等细节，使得生成的对话更接近真实交流。 详细：
1:17

DeepMind 公布其正在开发一套创新的音频生成技术细节 也就是NotebookLM背后使用的语音技术 它能够使 AI 能够生成生成高质量、自然的单人或多人对话。 其最新的语音生成模型能够在 3 秒内生成 2 分钟的对话，速度比实时生成快 40 倍。 同时能够保持说话人之间的连贯切换，输出语音中还包括自然的停顿、口头语（如 “嗯”、“啊”）等细节，使得生成的对话更接近真实交流。 详细：

小互

13,458 views • 1 year ago

豆包实时语音模型3.0 API 上线 看演示还是很牛P的，能干不少事情了 全双工：能同时听和说，像真人聊天那样可以随时插话 端到端：语音进、语音出，不进行转录，更快、更自然。 精准遵循 + 适时参与： 你可以一句话给它定规矩，比如多人聊天时说「现在先别出声，聊到世界杯时再加入」， 它就安静待命，等话题真到了再主动接话 最关键的一步升级： 它支持自定义工具，能在实时对话里直接调用工具完成任务，预定日历、发邮件、总结文档、发起查询，一句话语音就在对话流里办完。 这等于从「语音助手」往「语音 Agent」迈了一步
1:38

豆包实时语音模型3.0 API 上线 看演示还是很牛P的，能干不少事情了 全双工：能同时听和说，像真人聊天那样可以随时插话 端到端：语音进、语音出，不进行转录，更快、更自然。 精准遵循 + 适时参与： 你可以一句话给它定规矩，比如多人聊天时说「现在先别出声，聊到世界杯时再加入」， 它就安静待命，等话题真到了再主动接话 最关键的一步升级： 它支持自定义工具，能在实时对话里直接调用工具完成任务，预定日历、发邮件、总结文档、发起查询，一句话语音就在对话流里办完。 这等于从「语音助手」往「语音 Agent」迈了一步

小互

27,139 views • 3 months ago