是一个开源的 AI 语音助手,速度非常的快,使用如下技术方案实现: Groq: 用于 OpenAI Whisper 和 Meta Llama 3 的快速推理,前者用于转录,后者用于生成文本回复。Cartesia: 使用其 Sonic 语音模型进行快速语音合成,并将合成的语音流式传输到前端。VAD (Voice Activity Detection): 语音活动检测,用于检测用户何时在说话