Qwen Audio Agent：前后端分离的实时语音 Agent 运行时

工具定位

Qwen Audio Agent 是一个开源的实时语音运行时，目标是在 Agent 查询资料、调用工具或执行任务期间，让语音对话继续进行。直接可答的问题即时回答；需要工具或持续处理时，任务交由后端 Agent，用户始终面对同一个助手。

工作方式

• 语音前端处理全双工实时对话、自然打断与多轮交流。
• 后端 Agent 异步执行任务；前端对话与后台任务并行，可随时询问进度或取消。
• 多个独立任务可并行，完成后结果自动回到当前对话，支持追问和修改。
• 前端与后端独立集成，可按需组合；提供 WebUI、终端 TUI 和桌面悬浮球（macOS / Windows / Linux）。

语音前端与后端

语音前端既包括 Qwen Audio 3.0 Realtime、Qwen Audio 3.1 Realtime Plus、Qwen3.5-Omni Realtime、Qwen3.8 Omni Flash Realtime、Doubao Seeduplex 3.0 Realtime、StepAudio 3 Realtime 等云端服务，也包括 Hugging Face Speech-to-Speech（可配置本地 STT / LLM / TTS）以及 MiniCPM-o 4.5（本地或云端，支持实时视频输入但不支持工具调用）等选项。自定义语音服务可实现 Realtime Provider 接口接入。

后端 Agent 覆盖 Qwen Code、OpenCode、OpenClaw、Qoder、MiniMax Code、Kimi Code、Hermes、CodeBuddy、DeepSeek Harness 等原生 ACP 集成，Codex、Claude Code、Pi 等经外部 ACP 适配器接入，Muse Code 使用 MSP 适配器；也支持仅前端模式或以 OpenAI 兼容接口接入的裸 LLM（标注为实验性）。接入后可复用 Agent 自身的模型配置、工具、MCP、Skills 和认证。

安装与启动

运行要求为 Node.js 22.22.2+ 或 24.15.0+、npm 10+。推荐全局安装：

npm install -g qwen-audio-agent

再执行 qwenaudio config 创建配置、填入 API Key；默认语音前端为 Qwen Audio 3.1 Realtime Plus，AGENT_PROTOCOL 可指定后端协议（示例为 openclaw），后端模型留空则复用 Agent 自身配置。启动方式为在一个终端运行 qwenaudio 启动 Gateway，另开终端运行 qwenaudio tui，或用 qwenaudio webui 打开浏览器界面。

版本动态与边界

按来源 News，v2.0.0（2026-09-23）重建了编排运行时，统一客户端协议并接入 ACP / A2A 后端，扩展语音与视频模型支持，并发布技术报告（arXiv 2609.25195，预印本，未经同行评审，结论未经验证）。来源还记录 v0.9.0（2026-07-28）项目正式开源。来源列出的场景中，桌面、智能座舱、X-Omni、AI Passport、客服为可用状态，其中 AI Passport 目前仅半双工；具身智能与直播助手标注为计划中。代码以 Apache License 2.0 授权。