@hanguofu 自己部署的 qwen tts 还是调官方 api 呢？这方面主要是考虑到延迟都问题，想 cartesia ，elevenlabs 这种提供商，流式输出的延迟都已经优化的比较低了。如果是自部署开源模型的话，主要是考虑成本和音色效果，毕竟手上如果本身没卡的话，自己部署的成本就比较不值了，当然如果本身有卡可以部署那就另说。

1 天前

回复了 LuliYanng 创建的主题 › 分享创造 › 自己做了一个低延迟 Voice Agent，不依赖框架实现极低延迟

@mooncakeSec 嗯 vad 的话就是简单的静音检测，turn detection 用的就是 1b 规模一下的小模型做语义中断的检测

1 天前

回复了 LuliYanng 创建的主题 › 问与答 › antigravity 的 claude 会偷换模型吗？

@ninjaJ 我是从来没用完过，没订阅之前还是 gemini 个 opus 换着用，订阅之后就全用 opus 了

2 天前

回复了 LuliYanng 创建的主题 › 问与答 › antigravity 的 claude 会偷换模型吗？

@Shaar 反正我高强度用，没有反代，半个多月了也没一点问题。我看站内大部分帖子都是因为反代之类的，将 antigravity 的额度搞出去用导致的封号。

2 天前

回复了 LuliYanng 创建的主题 › 分享创造 › 自己做了一个低延迟 Voice Agent，不依赖框架实现极低延迟

@uid106 这自然是可以的，这个用的是 cartesia 的音色，都是可以随便换的。本来是想上 minimax 的中文音色的，测了一下延迟，因为服务器跟其他 ai 服务都在美国，延迟偏高就暂时没用了。

2 天前

回复了 LuliYanng 创建的主题 › 分享创造 › 自己做了一个低延迟 Voice Agent，不依赖框架实现极低延迟

@WasteNya token 不好估算，目前刚做了几天，用的也不多。但用的供应商也不便宜就是了，如果有兴趣，我把客户端开发好给大家用用，有一定的数据我才能预估 token 用量。至于你说的 4k 屏幕，这用量跟屏幕似乎没啥关系😅

2 天前

回复了 LuliYanng 创建的主题 › 分享创造 › 自己做了一个低延迟 Voice Agent，不依赖框架实现极低延迟

@lonccc 出发点当然是纯粹为了学习😁，跟 livekit 这种成熟产品比不敢说能有什么优势，毕竟也不是奔着做一个 livekit 竞品去的。能够了解基本的实现，也有帮助认清现在形形色色的 AI 产品新闻，不至于天天被营销号带节奏。本来是打算先自己不借助框架实现一个 agent 的，刚好朋友推了 typeless 给我，我就先做这个了。

2 天前

回复了 LuliYanng 创建的主题 › 分享创造 › 自己做了一个低延迟 Voice Agent，不依赖框架实现极低延迟

@mooncakeSec 不是 gemini 仅仅作为 llm ，判断输入结束和打断是客户端的 vad 和 turn detection 来处理，不过这一块做得还不是特别好

2 天前

回复了 LuliYanng 创建的主题 › 问与答 › antigravity 的 claude 会偷换模型吗？

@neighbads 对啊不然买了不用不就积灰了😂 个人对 openclaw 没啥兴趣，所以就没什么反代的需求了。cc 的话，反正在 antigravity 里面也是用 opus 4.6 ，最多就是 cc 的外围 agent loop 做得比 antigravity 要更好，但也都是同一个模型，没必要冒这个风险了

» LuliYanng 创建的更多回复