start	end	text
0	16000	你好,千文。介绍一下你自己吧。给我讲一个笑话吧。
30000	32560	剧员说不用咖啡是热的
32560	34640	电脑说那好吧
34640	36600	我这就把咖啡也热一下
36600	39540	希望这个笑话能让你会心一笑
39540	43120	大家好啊
43120	46120	刚才给这是给大家展示了一下
46120	49340	这个项目的一个效果
49340	51120	那么今天呢
51120	53000	我们讲一个非常有趣
53000	56200	并且我感觉也比较新颖的一个项目
56200	58400	叫千万Audio Agent
58400	65040	大家看一下这个名字就非常清楚这个项目讲了个什么事
65040	67040	首先是audio
67040	69280	重要的是audio和agent
69280	71420	千万必须要介绍
71420	73440	肯定是人家阿里搞的
73440	77760	感谢官方的分享
77760	80180	然后audio和agent
80180	81560	结合在一起
81560	85180	大家实际看到了刚才我给大家展示的效果
85180	87600	可以进行语音交互
87600	90260	以及自然的问答
90260	91540	特别真实
91540	93120	特别流畅
93120	95820	而且大家也可以看到视频中
95820	99180	那么这个项目也支持这个打断功能
99180	103100	你随时可以新的问题提出可以打断
103100	105520	那么下面我们就看一下
105520	107280	这个项目的一些具体介绍
107280	108780	以及安装注意事项
108780	112060	先说这个介绍吧
112060	114760	因为安装注意事项那还是比较复杂的
114760	116960	然后说这个项目呢
116960	118920	官方说是真正的交流啊
118920	120660	不该再说完一句话后
120660	122020	陷入漫长的等待
122020	123400	也不该因为agent
123400	124240	他正在查资料
124240	125900	调用工具和处理任务
125900	128420	正常对话就此诈听啊
128420	129080	其实他
129080	130980	我是这么理解的啊
130980	132080	可能不是很准确
132080	132920	我认为就是
132920	136340	一个一个真正的对话的一个agent啊
136340	137740	不需要再打字啊
137740	140920	那么通过这种对话的交流啊
140920	143820	就可以实现调用agent啊
143820	146220	调用工具啊
146220	150380	实现某种电脑上的那具体的操作啊
150380	153020	然后我们接着看啊
153020	153800	做了这个
153800	156340	然后官方就做了这个agent啊
156340	157720	让agent持续交流
157720	158380	持续工作
158380	160760	持续实时对话进行交流啊
160760	162180	这个我觉得还是
162180	164640	比较新颖啊
164640	165440	比较特别的
165440	166880	而且大家也看到我
166880	169520	我们实际这个展示这个效果啊
169520	172360	我感觉这个效果还是非常好的啊
172360	175180	也没有打断很流畅很连贯啊
175180	176660	就是这么样一个效果
176660	178020	然后下面呢
178020	181200	就是它的一个日志
181200	182520	就是更新日志
182520	184400	大家可以具体看一看
184400	186560	然后这个呢
186560	189060	就是一个实际的展示视频
189060	191480	那么大家有兴趣的话
191480	194540	我就不在这给大家一块看了
194540	195720	大家这一分多钟
195720	196900	大家自己去慢慢看
196900	199280	然后看一下特色
199280	200520	说双双
200520	203120	全双公实施语音交互
203120	205220	自然打断持续多轮对话
205220	206480	刚才的演示
206480	209660	我已经充分了给大家展示了个
209660	211720	什么叫实时运营交互
211720	213080	什么叫打断
213080	214220	什么叫持续多轮
214220	215440	刚才演示中
215440	217120	已经给大家介绍了
217120	218880	已经给大家展示出来了
218880	221520	然后一键选择你办事的agent
221520	223180	服用所有的工具
223180	224900	mcp以及技能
224900	229060	这个项目还是扩展性还是很好的
229060	232880	就这个扩展性的说法
232880	234580	就是在于它可以
234580	236440	使用现有的工具
236440	237720	mcp及技能
237720	239580	这个扩展性非常好
239580	241500	而兼容性也非常好
241500	243140	扩展和兼容性都非常好
243140	245760	然后前台对话与后台任务
245760	247020	并加起去可以
247020	250480	随时追问任务技能和取消任务
250480	252600	这个我也尝试过
252600	253420	完全OK的
253420	256440	它甚至可以开子任务
256440	258920	但是它的子任务
258920	260620	我目前认为
260620	263680	可能他还是在在调用其他agent中的
263680	266020	的任务去执行相关的
266320	268060	呃任务工作啊
268560	270720	支持创建多个独立任务啊
270720	273460	然后由后台的agent一步执行啊
273460	275220	并持续追踪任务状态
275220	276680	就是我说的这个意思啊
276980	278860	其实用后台的这个agent
278860	280520	一步执行啊
280520	283460	多个独立的子agent的任务啊
283460	284320	就可以这么理解
284320	285180	可能比较绕嘴
285180	286720	还是其实呃
286720	288380	总体来说就这么样一个流程
288380	289480	就是说呃
289480	293280	前往audio agent去调用后台的agent
293280	295680	那么这个后台的agent有多种方案
295680	297980	那么你可以选取一种agent的方案
297980	299160	然后这个agent的方案
299160	302520	可以一步的去使用其中的自agent
302520	304040	去执行任务啊
304040	306160	就是这么样一个流程
306160	307480	大家可以理解一下
307480	308860	我说了这个意思啊
308860	310620	任务结束自动回答
310620	312180	回答到当前对话
312180	314940	就是说他的一步子任务啊
314940	317560	完成之后可以就给你一个反馈啊
317560	318560	就是一步的啊
318560	321860	支持继续追问和修改
321860	325240	那么你也可以对这个一部任务进行继续的追问修改
325240	326300	支持web UI
326300	328760	终端TUI和桌面球
328760	333360	这个目前的话web UI和终端UI的话
333360	334420	我没怎么用
334420	336820	但是我用的是个悬浮球
336820	338360	我认为这个悬浮球非常好用
338360	341400	我就没用web UI和中端TUI
341400	343340	其实这两个其实也没什么
343340	345620	其实这三个没什么区别
345620	346860	啊啊
346860	348620	我觉得这个中单球比较方便
348620	350820	所以也不占地方顺手就可以
351380	352220	拈来啊
352220	353120	比较舒服
353120	354620	所以我就用这个了啊
354620	357020	支持当心用户长期更新化的
357020	359020	跨会画机翼啊
359020	360620	这个我机翼我倒是
360620	362380	呃没没充分利用上啊
362380	365620	我等于后期研究研究再再给大家展示啊
367020	369720	那么这样这个就是探口价值不拖啊
369720	370720	那么用户问了
370720	373220	然后通过这个audio runtime啊
373220	376360	通过上下文去执行这个Audio Runtime
376360	377520	这个Agent
377520	378800	Agent Runtime
378800	380700	然后给反馈
380700	382100	最终给了用户
382100	384160	其实就这么样一个流程
384160	385680	其实这个流程中
385680	387940	我们看了三个主要主体用户
387940	391520	千万Audio Runtime
391520	392500	还有Agent
392500	395480	这么三个主要的角色
395480	397060	主体
397060	397920	任务主体
397920	402080	那么这样就是一个简单的架构图
402080	405080	还有一个具体的一个架构图
405080	406080	这个具体架构图
406080	407580	接入参考架构
407580	409340	那么这个架构图的话
409340	412040	大家就自己去详细看吧
412040	413840	因为这个上面文字比较多
413840	415520	我不希望视频太长
415520	418820	但流程其实就跟上面这个大差不诈
418820	421120	只不过是可能多了很多的细分
421120	424620	下面就说到了比较重要的东西了
424620	426380	就是它这个后端agent
426380	429120	就是我们刚才讲的后端agent这里
429120	432060	就刚才特色的后端agent
432060	435060	那么这个后端的agent呢
435060	437060	你可以选到没有啊
437060	442060	你也可以用目前一支的全部主流啊
442060	448060	记得是全部主流的这种agent工具啊
448060	450060	可能是agent工具啊
450060	452060	包括我就不念了
452060	455060	反正就是市面最主流的全部都有啊
455060	460060	这里面呢我用的是hermes
460060	461420	Hermes啊
461420	463520	我觉得OpenCloud我还挺想用的
463520	466900	但是呃我我我喜欢用的Hermes
466900	470500	因为我觉得现在Hermes的速度特别快啊
470500	473320	因为最近公新了这个呃
473320	478100	181920这个版本之后这个Hermes的嗯
489203	492203	至于说其他的比如说Codex啊
492203	495443	Claw Code啊还有这个OpenClaw呢
495443	497963	我因为他是巧接啊
497963	500363	巧接的话他的我觉得他的反应
500363	503163	反应速度可能没有远胜速度那么快啊
503163	506043	所以我这里面最推荐的还是用Hermes啊
506043	510163	大家可以啊就是用自己喜欢的
510163	514003	然后如果你是用这个这个Web UI啊
514003	516163	你可以用这个这个安装啊
516163	519163	安装一下这个NUDEJS安装一下啊
519163	521323	大家注意这个node.js版本就行了
522163	523363	然后呢
523363	525463	是配这个模型啊
525463	529803	这个这个如果你是用这个node.js这个这个安装方案的话
529803	530803	那你就要需要
531203	535263	嗯去去在这个webui或者tui里面去配置一下
535703	537603	嗯相关的这个模型
538023	538723	k啊
539203	541403	呃包括这个云前天模型
541403	542263	还有这个
542903	546003	agent 他的这个后台agent 的这个方案啊
546503	548203	嗯还有这个
548203	549863	后台模型啊
549863	551903	因为他这里面模型非常多啊
551903	553903	因为你看这就有
555203	556363	语音模型啊
556363	559003	语音前的语音模型用用于交互的啊
559003	561203	就是语音交互的啊
561203	561703	模型
561703	563943	然后这个后台模型呢
563943	565303	就是他交互的话
565303	569003	你不是有一个一个思考处理的过程吗
569003	570003	那么就是这个东西
570003	570963	其实啊
570963	572563	这个就负责语音交互啊
572563	573963	这个就负责这个
575363	576303	文字反馈啊
576303	577403	你可以这么想反馈吧
577403	579643	包括工具工具调用
579643	582063	也不是工具工具调用
582063	584063	其实也是后台agent就投作
584063	585643	就是一个反馈吧
585643	587263	问答问答反馈
587263	589543	就像你正常使用模型的问答反馈
589543	592763	然后包括这些设置
592763	594203	包括你可以用这个
594203	597063	这个tui可以听tui
597063	598763	如重点来了
598763	599503	大家重点
599503	601663	如果你想用本地部署
601663	604543	那你就需要s2s
604543	606163	这个本地部署方案
606163	610203	然后桌面版的这个TYF
610203	614163	后台的Agent
614163	618163	各样化记忆的话这个东西
618163	620163	我还真没没去试
620163	622163	但是我觉得这个东西其实没必要去试
622163	623163	为什么呢
623163	627163	因为这个东西跟OpenCloud和Hermes的话是一样的
627163	631163	那么都有这些角色都有那记忆
631163	635163	我认为没什么任何巨大的区别
635163	638863	巨大的区别顺手啊顺手拈来啊顺手就可以上手的事
638863	642463	所以你必要去具体去演示这个这个东西了啊
642463	644943	然后注意事项大家看一下啊
644943	648163	然后圆满圆满的开发啊
648163	651183	圆满由nojs去做一些开发工作啊
651183	652483	总体来说的话
652483	653903	这个项目啊
653903	655343	我认为还是比较吸引的
655343	658043	这种全创工的这种交互啊
658043	661863	打断而且准确率非常好啊
661863	663163	非常好啊
663163	664763	是这样的啊
664763	667523	我还要补充几点啊
667523	668903	补充几点呢
668903	672243	是在于这个安装和使用的问题啊
672243	673683	我找一下那个问题啊
673683	674703	就这里吧
674703	678083	就是说这个这个语音模型呢
678083	680403	它默认啊
680403	686283	你可以接阿里百列千万的这个这个API啊
686283	689343	那么APIAPI会一定的免费额度
689343	694383	那如果你想用本地的这个前台语音模型
694383	695883	那你只能用
695883	697023	刚才我说这个
697023	697903	s
697903	699583	s2s啊
699583	700543	刚才那个
700543	702383	我找一下那个位置啊
703143	704823	啊
704823	706963	就这个s2s啊
706963	708303	去去接这个
708303	709503	这个本地的
709503	711063	云音模型啊
711063	712463	本地的云音模型
712463	714043	那么这个问题就解决了
714043	715863	而且这个本地的云音模型
715863	717163	它又有两种方案
717163	718463	两种模型可以做
718463	719223	比如说
719223	720043	你可以走
720043	722183	GUF了和
722183	722743	这个
722743	723703	这个
723703	724103	这个
724103	725743	这个原本
726343	727603	他是这个模型啊
727603	728203	就反正
728603	729303	嗯
730303	732003	就是两种也是两种方案啊
732003	734043	但是根据你机器的情况啊
734043	735163	去做本地的部署
735163	737603	这这是这个这个云模型啊
738243	740843	那么这两个本地部署的模型
740843	741603	包括API
741603	743363	我都全部试了一遍啊
743363	745863	我认为可能API的
746363	747463	效果会
747703	748363	够好一点
748363	750043	但是其实本地的效果
750043	751703	我觉得也非常OK啊
751703	752643	就正常的
752643	756643	正常的识别以及正常的反馈都非常快啊
756643	759643	而且它的显存的话
759643	764643	应该从两三个G到最高占用六个多G吧
764643	766643	就是这么样的显存占用
766643	769643	如果是用本地的云云前台模型的话
769643	774643	那如果你用的是这个这个后台模型啊
774643	775643	就是说后台模型的话
775643	777643	你也可以用本地部署
777643	779643	因为你后台模型你可以接
779643	784243	这个用open cloud去接这个后台本地的这个模型啊
784243	785723	也可以就说
785723	789363	就说如果你不用这个后台
789363	792363	就是这个就就选择这个无模式啊
792363	794523	无无无这个后台agent的话
794523	798243	那么你就可以选用自己再接一个这个这个本地的这个
798243	803183	比如说千万3.6那一些模型啊
803183	803723	就可以了
803723	804923	所以这个项目
804923	808883	完全可以实现啊
808883	810283	本地化啊
810283	811403	完全本地化
811403	813083	而且他的本地化
813083	814643	我感觉他的效果
814643	817963	其实就说能达到APR
817963	820843	我就认为80%90%以上的效果
820843	822123	是没有任何问题的
822123	825663	我认为这个效果还是很好的
825663	827423	所以对于这种
827423	832203	语音全双公实施对话的agent
832203	834063	我还是比较看好的
834063	835743	也花了很长的时间
835743	836923	一两个周的时间
836923	839223	去对这个项目详细的了解一下
839223	842523	那么今天就把这个项目推荐给大家
842523	844363	还有一点我想补充的话
844363	848263	就是说这个项目的部署难度是
848263	851623	如果是就是说你要接API的话
851623	853663	那么难度还不是很高
853663	857383	但是如果说你要走原生本地
857383	861663	本地去全部本地离线去做部署的话
861663	864883	这个项目难度还是有一定的难度
864883	866923	如果按照10分满分的话
866923	870563	我认为他的部署难度可能在5分左右
870563	873243	但是如果说像我这样老鼠的话
873243	876843	部署的话应该也就那么回事
876843	877823	也就非常简单
877823	878503	也就部署完了
878503	880443	其实对于老鼠的话来说
880443	882583	这个项目并部署并没有难度
882583	883963	并没有难度
883963	888823	但是对于刚接触部署的新同学来说的话
888823	891623	难度我认为是至少得有5分左右
891623	893283	满分10分的话只有5分
893283	896103	所以这个项目推荐给大家啊
896103	900043	如果说大家在使用或安装过程中有任何的问题啊
900043	902943	欢迎大家平台随意我或者加我微啊
902943	905383	我的联系方式都在视频下方啊
905383	907043	感谢大家观看
907043	908243	我们下期再见