Qwen Audio Agent 实时语音智能体运行时

能做什么

• 提供全双工实时语音交互，支持自然打断与持续多轮对话。
• 将语音前端与后端智能体解耦：前端负责实时对话，后端智能体负责执行工具调用、文件操作、代码修改等任务。
• 支持前台对话与后台任务并行运行，可随时询问进度或取消任务；任务完成后结果自动返回当前对话，便于追问和修改。
• 可创建多个独立任务并由后端智能体异步执行，持续跟踪状态。
• 提供 WebUI、终端 TUI 以及 macOS / Windows / Linux 桌面悬浮球等多种入口。
• 支持按用户长期个性化与跨会话记忆。

适用场景

• 桌面生产力：边语音聊天边委派工具使用、文件处理、代码修改和长耗时任务。
• 智能座舱、客户服务、硬件语音卡片等示例场景，以及视觉对话等扩展用法。

使用条件与限制

• 需要 Node.js 22.22.2+ 或 24.15.0+，npm 10+，可通过 npm 全局安装。
• 使用云端语音前端需相应服务的 API Key（如阿里云百炼 DashScope、OpenAI、Google、火山引擎、StepFun 等）。
• 后端智能体需按所选集成方式配置；部分智能体需要额外安装基础程序与适配器，或提供对应 API Key。
• 语音前端与后端智能体可独立组合；也可仅使用前端模式而不配置后端智能体。
• 本地语音前端需要自行启动服务并配置服务地址。
• 计费、配额与可用性以各服务官方文档为准。