# 影片筆記：qwen-audio-agent-全双工实时语音交互agent助手安装教程和注意事项


<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->
## ⚠️ 可先使用，仍有待修正項目

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

- 待修正：逐字稿全文快速校讀未完成（已保留自動字幕/原始逐字稿並繼續生成筆記。；未完成的全文速讀項目可在精進模式回聽確認。）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

## 一句話總結

本影片介紹了由阿里達摩院開發的「千萬 Audio Agent」，這是一個支援全雙工實時語音交互的 AI Agent，講者詳細演示了其 Web UI、終端 TUI 及桌面懸浮球三種介面，並重點說明了本地化部署方案，包括透過 S2S 技術連接本地語音模型及透過 OpenClaw 接入本地後台模型，評估本地部署難度約為 5/10，效果可達 API 版本的 80%-90%。

## 核心重點

*   **項目介紹**：「千萬 Audio Agent」是阿里達摩院開發的項目，支援全雙工（Full-duplex）實時語音交互，具備自然對話、即時打斷、持續多輪對話能力。
*   **介面選擇**：系統提供 Web UI、終端 TUI 及桌面懸浮球三種介面，講者強烈推薦使用桌面懸浮球，因其不佔空間且使用方便。
*   **技術架構**：系統分為前台語音交互與後台 Agent 執行兩部分。前台處理語音上下文，後台執行 Agent 任務並反饋結果。
*   **本地化部署**：
    *   支援本地部署語音模型（透過 S2S 技術，支援 GGUF 格式）與後台模型（透過 OpenClaw 接入，如千萬 3.6）。
    *   本地語音模型顯存佔用約 2-6GB。
    *   本地化效果可達到 API 版本的 80%-90%。
    *   部署難度評估為 5/10 分，對熟悉部署的使用者而言並不困難。
*   **後台模型推薦**：講者推薦使用 Hermes 模型，因其速度快。

## 詳細大綱

### 1. 項目介紹與功能展示
*   **核心功能**：
    *   語音交互：無需打字，通過語音調用 Agent 和工具，實現電腦操作。
    *   交互體驗：全雙工實時語音交互、自然打斷、持續多輪對話。
    *   任務管理：支持創建多個獨立任務，後台 Agent 一步執行，持續追蹤狀態，任務結束後自動反饋。
*   **特色**：一鍵選擇 Agent，擴展性與兼容性強。

### 2. 介面與使用體驗
*   **支援介面**：Web UI、終端 TUI、桌面懸浮球。
*   **講者偏好**：推薦使用桌面懸浮球（講者口語稱為「桌面球」或「懸浮球」），方便不佔空間，隨手捏取。
*   **個人體驗**：演示效果流暢，無明顯打斷，擴展性良好。

### 3. 技術架構與流程
*   **主要角色**：用戶、千萬 Audio Runtime、Agent。
*   **工作流程**：用戶提問 -> Audio Runtime 處理上下文 -> Agent Runtime 執行 -> 反饋給用戶。
*   **後台 Agent 方案**：支援多種主流後台模型，講者推薦 Hermes（速度快）。

### 4. 部署與配置指南
*   **基礎環境**：Node.js 安裝與版本配置。
*   **模型配置**：
    *   **前台語音模型**：支援阿里百煉 API 或本地 S2S 方案。
    *   **後台模型**：支援 OpenClaw、Codex、OpenClaw 等，講者推薦 Hermes。
*   **本地化部署方案細節**：
    *   **語音模型**：透過 S2S 接入本地語音模型（支援 GGUF 等格式）。
    *   **後台模型**：透過 OpenClaw 接入本地後台模型（如千萬 3.6）。
*   **資源與效果**：
    *   本地語音模型顯存佔用約 2-6GB。
    *   本地化效果可達 API 版本的 80%-90%。
*   **難度評估**：本地全離線部署難度約 5/10 分，對新手有挑戰，對熟練者簡單。

## 工具 / 模型 / 名詞整理

*   **項目/產品名稱**：
    *   千萬 Audio Agent
    *   千萬 Audio
    *   阿里百煉（阿里達摩院）
    *   Web UI
    *   終端 TUI
    *   桌面懸浮球（講者口語稱為「桌面球」或「懸浮球」）
    *   Audio Runtime
    *   Agent Runtime
*   **開發環境/依賴**：
    *   Node.js
    *   S2S（Speech-to-Speech，講者口語提及）
    *   GGUF（講者口語提及的模型格式）
*   **後台模型/服務**：
    *   Hermes（講者推薦）
    *   OpenClaw（講者口語提及，可能指代某類模型服務）
    *   Codex
    *   千萬 3.6（講者口語提及的後台模型版本）
    *   181920（講者口語提及的 Hermes 版本號，疑點）

## 操作流程整理

1.  **環境準備**：安裝並配置 Node.js。
2.  **選擇介面**：根據需求選擇 Web UI、終端 TUI 或桌面懸浮球（推薦懸浮球）。
3.  **配置前台語音模型**：
    *   若使用雲端：配置阿里百煉 API。
    *   若本地部署：透過 S2S 技術接入本地語音模型（需準備 GGUF 格式模型，佔用 2-6GB 顯存）。
4.  **配置後台模型**：
    *   透過 OpenClaw 接入後台模型。
    *   講者推薦使用 Hermes 模型。
    *   若本地部署後台模型，可接入如千萬 3.6 等模型。
5.  **啟動與交互**：
    *   啟動 Audio Runtime 與 Agent Runtime。
    *   通過語音進行提問，系統處理上下文並執行 Agent 任務。
    *   系統反饋結果，完成任務追蹤。

## 值得注意的限制或風險

*   **本地部署難度**：本地全離線部署難度評估為 5/10 分，對新手具有一定挑戰性。
*   **資源佔用**：本地語音模型需要佔用約 2-6GB 的顯存。
*   **效果差異**：本地化部署的效果約為 API 版本的 80%-90%，存在一定性能損耗。
*   **辨識不確定性**：影片中提及的部分術語（如「雙全弓」、「並假期去」、「一步執行」等）存在聽寫或口語辨識上的疑點，可能影響對技術細節的精確理解。

## 逐字稿辨識疑點

*   **千萬 Audio**：講者多次提及「千萬」，可能為「通義千問」或特定品牌名稱的聽寫錯誤，但講者明確稱呼為「千萬 Audio」，故保留原樣。
*   **雙全弓**：講者口語為「雙全弓」，應指「雙全工」（Full-duplex），但依規則標為疑點。
*   **並假期去**：講者口語為「並假期去」，應指「並行執行」或類似含義，但依規則標為疑點。
*   **一步執行**：講者多次提及後台 Agent「一步執行」，語意不明，可能為「一步到位」或「同步執行」的聽寫錯誤，但依規則標為疑點。
*   **大線用戶**：講者口語為「大線用戶」，可能指「大量用戶」或特定術語，但依規則標為疑點。
*   **跨繪化機翼**：講者口語為「跨繪化機翼」，語意不明，可能為「跨平台機制」或類似含義的聽寫錯誤，但依規則標為疑點。
*   **探口價值物圖**：講者口語為「探口價值物圖」，可能指「架構圖」或「價值圖」，但依規則標為疑點。
*   **後端A站**：講者口語為「後端A站」，可能指「後台 Agent」，但依規則標為疑點。
*   **181920**：講者提及 Hermes 的「181920 這個版本」，版本號格式異常，疑點。
*   **OpenCloud / OpenClaw**：講者交替使用「OpenCloud」和「OpenClaw」，指代同一類後台模型服務，疑點。
*   **云音模型**：講者口語為「云音模型」，可能指「語音模型」，但依規則標為疑點。
*   **鼠鼠**：講者自稱「老鼠」或「鼠鼠」，可能為個人暱稱或口誤，但依規則標為疑點。

## 可延伸追問

*   如何具體配置 S2S 技術以接入本地語音模型？
*   Hermes 模型相比其他後台模型（如 Codex）在速度上的具體優勢數據為何？
*   桌面懸浮球介面的具體安裝步驟與系統兼容性要求是什麼？
*   本地部署後台模型時，OpenClaw 的具體配置參數與常見錯誤有哪些？