عن المشروع

Qwen Audio Agent هو وقت تشغيل صوتي فوري مصمم لإبقاء وكيل الذكاء الاصطناعي حاضرًا أثناء المحادثة والعمل الأطول. يمكن لجلسة الصوت الأمامية مواصلة الاستماع والرد بينما تُفوَّض استدعاءات الأدوات أو أعمال الملفات أو تغييرات الشيفرة أو المهام الأخرى إلى وكيل خلفي؛ ويمكن للمستخدمين طلب التقدم وإلغاء العمل وتلقي النتائج بشكل طبيعي في المحادثة نفسها. تشمل القدرات الموثقة الصوت الفوري ثنائي الاتجاه، والمقاطعة الطبيعية، والحوار متعدد الأدوار المستمر، وإنشاء المهام غير المتزامنة، وتتبع الحالة، والذاكرة طويلة الأمد لكل مستخدم، والتخصيص عبر الجلسات. يوفر وقت التشغيل Gateway وWebUI وواجهة طرفية TUI وكرة عائمة لسطح المكتب لنظام macOS وWindows وLinux. يتضمن تطبيق سطح المكتب السكون عند الخمول، والاستيقاظ الصوتي المحلي، ومظهرًا قابلًا للتخصيص. الواجهات الصوتية الأمامية قابلة للاستبدال وتدعم النشر السحابي أو المحلي. تشمل الخيارات المدرجة نماذج Qwen Audio الفورية، وOpenAI GPT-Live، وGoogle Gemini Live، وDoubao Seeduplex، وStepAudio، وHugging Face Speech-to-Speech، وMiniCPM-o. تدعم بعض الواجهات الأمامية إدخال الفيديو المباشر أو إطارات الكاميرا، بينما يمكن للخيارات المحلية استخدام مكونات VAD وSTT وLLM وTTS قابلة للتكوين. يمكن إضافة خدمات إضافية عبر واجهة Realtime Provider. تتكامل الوكلاء الخلفية بشكل مستقل عبر بروتوكولات ومحولات بنمط ACP/A2A. يسرد ملف README كلاً من Qwen Code وOpenCode وOpenClaw وQoder وKimi Code وMiniMax Code وHermes وCodeBuddy وCodex وClaude Code وDeepSeek Harness وPi وMuse Code، إلى جانب وضع الواجهة الأمامية فقط. كما يوثق تقييمات التوافق بناءً على اكتمال التكامل والتحقق. يُوزَّع البرنامج عبر npm باسم qwen-audio-agent ويتطلب Node.js 22.22.2+ أو 24.15.0+ مع npm 10+. يتم التكوين عبر إعداد بنمط Dotenv، عادةً باستخدام مفتاح DashScope/Bailian API لخدمة Qwen الصوتية الافتراضية. تغطي الأمثلة المتاحة إنتاجية سطح المكتب، واستخدام قمرة القيادة الذكية، والمحادثة البصرية، وخدمة العملاء، وسيناريو جواز سفر صوتي للأجهزة؛ بينما تُصنَّف سيناريوهات الذكاء المتجسد ومساعد البث المباشر على أنها مخطط لها.