这是一个创建于 495 天前的主题，其中的信息可能已经有所发展或是发生改变。
请教下大家 ChatGPT 里高级语音模式是怎么实现的 有 js 库可以使用吗
之前很早有做过跟 gpt 对话的插件 也加了语音识别 但是做不到戴上耳机后的自由对话 经常会自动中断
第 1 条附言 · 2025 年 2 月 3 日
有没有开源的方案可以实现呢 OpenAI 的 realtime api 太贵了 如果有个 demo 可以自己接入语音识别和文本转语音就好了 中间可能还有个需要对话的 api 场景是锻炼一下口语（小语种）
 |
1 love060701 2025 年 2 月 3 日 via iPhone原生语音多模态模型，使用 OpenAI 的 Realtime API 可以实现，或者用开源的 TEN Agent 方案 |
 |
3 subtleworks 2025 年 2 月 3 日@love060701 谢谢回复 我主要是对它怎么实现在浏览器里一边听一边说感兴趣 看到 TEN Agent 里好像用的是 agora? 我以为就是简单的 web speech api 来实现 |
 |
4 flyqie 2025 年 2 月 3 日 via Android没记错的话方案基本上都是 webrtc 吧？ 用户这边语音发出去之后服务端 stt 然后 ai 模型识别最后用 tts 转完发给用户。 |
 |
6 TimePPT 2025 年 2 月 3 日 via AndroidOpenAI 自家 API ，支持 WebRTC 的 |
|
7 flyqie 2025 年 2 月 3 日 |
 |
8 easychen 2025 年 2 月 3 日我想你可能找 VAD 。它可以检测用户说话，从而实现打断。 |
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。