返回资讯中心
外部精选
软件工程
#开发者实时流

开源项目 Vibeconferencing 发布:让任意 AI agent 接入主流通话平台

来源标题:Show HN: My OSS Claude Meetings alternative that works with any agent or call

开发者发布开源项目 Vibeconferencing,可将任意本地 agent(如 Codex、Muse、ollama)接入 Google Meet、Zoom、MS Teams、WhatsApp、Telegram 和电话通话。该项目通过跨平台 Electron 应用桥接通话平台,全部在本地运行并使用用户自己的 agent。核心库已作为 npm 包 @vibeconferencing/calls 开放。

Hacker News 最新wanderingstan2026/11/16 · 昨天10 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

从二月份开始,我就和一个朋友在开发一个通话中的 agent 解决方案。上周 Claude Meetings 发布后,现在正是宣布 Vibeconferencing 的时机:这是一个开源项目,功能更多,支持任何 agent(Codex、Muse、本地 ollama 等),也支持更多通话平台:Google Meet、Zoom、MS Teams、WhatsApp、Telegram,以及电话通话(通过 Twilio)。架构图:https://raw.githubusercontent.com/wanderingstan/vibeconf-app...

前提很简单:给你平常的 agent 会话配上操作各大通话平台所需的工具,并教它与人通话时的基本礼仪。一个简单的 /join-call,砰!你的会话就在通话里跟你说话了。agent 在聊天里能做的任何事,它都能在通话里做。agent 通过一个跨平台的 electron 应用桥接到各个通话平台。(与通话平台交互的底层核心被抽象成了 npm 库 @vibeconferencing/calls,如果你更想自己造轮子也可以。)

一切都在本地运行,并使用你自己的本地 agent。(不过可选的共享白板功能确实需要登录我们的服务器。)它能在 MacOS、Windows 和 Linux 上运行。(Windows 版本测试得不够充分。)

语音生成由 Elevenlabs 或开源的 Voicebox 完成,并回退到操作系统的默认应用(比如 MacOS 上的 say)。Voicebox:https://github.com/jamiepine/voicebox

语音识别则由通话平台自带的字幕服务(Meet、Zoom、Teams)完成,对于没有字幕的平台(WhatsApp、Telegram、Twilio)则使用 Whistle。Whistle:https://cactuscompute.com/blog/whistle

礼仪部分是我写代码时最开心的,不过写的时候我就知道,这只是临时方案,直到真正的交互式语音模型与前沿文本聊天模型的能力相结合。我们对 OpenAI realtime API 有实验性支持,但它似乎被训练成了客服 agent,所以很难阻止它主导多人对话!

过去九个月自用和早期用户的亮点:

安全:没有内置任何安全机制,所以只在你信任的人的通话中使用。不过,令我惊讶的是,它自身似乎相当抗注入;比如,我的 agent 在执行通话中其他人要求的事情之前,会先征求我的同意。

总的来说,这是一个"时间机器"式的实验(借用我当年在 Reality Labs Research 的术语),在专门产品出现之前体验通话中的 agent。Claude Meetings 恰好说明我们的方向是对的,我很期待看到它后续的发展!

这是一个由两个朋友构建的小型实验项目,所以还比较粗糙,我们欢迎反馈和 pull request。

评论 URL:https://news.ycombinator.com/item?id=50522602 点数:1

评论数:0

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →