Qwen-Audio-Agent是开源实时语音运行时,旨在解决语音助理对话中断问题。其架构分为实时前台和后台Agent两层,前台仅暴露八个工具,支持全双工语音和边聊边干;后台处理多步任务,通过FIFO队列串行执行,结果择时播报。系统强调保守意图交接、确认式取消和精确记忆改写,使交流与执行真正并行。
本文介绍如何使用OpenAI实时API实现对话中断功能。通过pyaudio库捕获音频,使用线程处理,并将音频编码为base64格式发送至API。API检测用户讲话时,会停止当前音频播放,实现自然中断。详细代码可在GitHub查看。
完成下面两步后,将自动完成登录并继续当前操作。