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
推荐关注
› Meteor
› JSLint - a JavaScript code quality tool
› jsFiddle
› D3.js
› WebStorm
推荐书目
› JavaScript 权威指南第 5 版
› Closure: The Definitive Guide
› Closure: The Definitive Guide
This topic created in 466 days ago, the information mentioned may be changed or developed.
Supplement 1 · Feb 3, 2025
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 Feb 3, 2025 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
|
 |
2
XTTX Feb 3, 2025
https://x.com/thorwebdev/status/1885327180445478952 有语音付费 api ， 语音 api 套 AI api.
|
 |
3
subtleworks OP @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 Feb 3, 2025 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 PRO OpenAI 自家 API ，支持 WebRTC 的
|
|
7
flyqie Feb 3, 2025
|
 |
8
easychen Feb 3, 2025
我想你可能找 VAD 。它可以检测用户说话，从而实现打断。
OpenAI 的 Realtime 有 sdk 和 demo ，我记得是用 Websocket 实现的，里边也有可以开启的 vad 功能。 |
Select Language