Pipecat 开源语音框架

Pipecat 开源语音框架

Pipecat 团队发布了一个用于构建实时语音 AI agents 的开源 Python 框架，可编排音频、视频、AI services、传输层和对话流水线。该框架采用 voice-first 架构，内置 WebRTC 和 WebSocket 传输，支持 STT、TTS、对话逻辑和低延迟流式交互，可用于 voice assistants、AI companions、多模态界面、交互式故事、客服和复杂对话系统。其支持的服务包括 STT 的 Deepgram、AssemblyAI、OpenAI Whisper、Groq、Azure、AWS、Google 等，LLM 的 OpenAI、Anthropic、Gemini、Groq、Mistral、Ollama、AWS、Azure 等，以及 TTS 的 OpenAI、ElevenLabs、Deepgram、Cartesia、Azure、AWS、Google 等；GitHub stars 超过 10.3k。