6.9k星星，实时交互的语音、视频、数字人 AI Agent。

以下文章来源于开源AI项目落地，作者开源AI

今天给大家推荐的这个开源很有趣啊。

Ten是一个实时AI语音的Agent。

当然，功能很多，不只是语音，ChatGPT那个实时视频的功能也复刻出来了。

而且还针对嵌入硬件做了优化。

项目简介

TEN 是一个全面的开源生态系统，用于创建、定制和部署具有多模态能力的实时对话式 AI 代理，涵盖语音、视觉和虚拟形象交互。它包含 TEN Framework、TEN Turn Detection 等多个项目，提供低代码 / 无代码工具 TMAN Designer，支持本地、容器及云服务部署，助力开发者构建多样化智能交互应用。

功能DEMO

实时虚拟数字人

使用 Trulience 提供的免费数字形象快速构建可交互的 AI 虚拟人。

实时语音与 MCP 服务器集成

TEN Agent 支持通过 MCP 服务器调用多种 LLM 模型，实现灵活的实时语音对话。

实时硬件通信

TEN Agent 已成功运行在 Espressif ESP32-S3 Korvo V3 开发板 上。

实现了将 LLM 实时对话功能集成至嵌入式设备，适合物联网场景。

实时视觉与屏幕共享检测

通过 Google Gemini Multimodal Live API 实现对实时摄像头画面及屏幕共享内容的识别。

同时集成了一些工具如：

Weather Check（天气查询）

Web Search（网页搜索）

用于增强多模态交互体验。

与其他 LLM 平台联动

TEN Agent 支持与如 Dify 等第三方 LLM 平台 联合使用。

提供流畅的接口和实时交互支持，提升代理智能与平台兼容性。

StoryTeller 实时图像生成

内置图像生成模块 StoryTeller，支持根据对话内容实时生成图像。

与天气查询、网页搜索等工具完美协作，适合故事创作、场景生成等任务。

项目链接

https://github.com/TEN-framework/ten-framework

https://agent.theten.ai/