jargo

Go 语言原生的 WebRTC 实时语音智能体框架:音频进、STT→LLM→TTS 流水线、轮次检测与打断,一静态二进制部署。

源仓库
gojargo/jargo
Star 数
★ 112
最近更新
2 天前
License
BSD-2-Clause
主语言
Go

30 秒速览

可在哪里用
通用 · 跨平台OpenAI API · Claude API
开始前需要
Go 工具链ONNX Runtime(仅轮次检测/VAD 需要,运行时加载)RNNoise(可选降噪)STT/LLM/TTS 供应商 API 密钥Docker(可选部署)Shell / 命令行网络访问本地文件系统
典型场景
Go 后端团队要为产品构建一个带轮次检测和打断的实时网页语音助手(浏览器通过 WebRTC 接入,参考 06-voice-agent 示例)。
主要局限
完整轮次检测与打断体验依赖运行时加载的 ONNX Runtime 共享库;缺省时退化为 STT 端点检测并失去打断。
官网
gojargo.dev ↗ 来自 GitHub 仓库设置
维护状态
近 30 天有提交最近提交 2026-11-20

这个 Agent 能做什么,适合哪些场景?

jargo(gojargo/jargo)是 Pipecat 的 Go 语言移植,一个以音频优先、WebRTC 原生的实时语音智能体框架。它把语音机器人建模为一条流式帧流水线:WebRTC/ WebSocket/LiveKit 传输接入音频后,依次经过 STT、LLM、TTS 处理器,配以聚合器实现轮次检测和打断(打断本身就是一帧)。核心引擎由 Frames(帧)和 Processors(处理器)构成,各服务通过小接口可插拔替换,支持流水线式 STT→LLM→TTS,也支持单模型语音到语音(OpenAI Realtime、Gemini Live、AWS Nova Sonic)。默认构建无 cgo,VAD(Silero)与轮次结束检测(Smart Turn v3)的 ONNX 模型内嵌在二进制中,仅运行时通过 purego 加载 ONNX Runtime 共享库。官方基准显示在 3 个 CPU 上承载 1000 并发会话时,内存(124 MiB)与吞吐(96k 帧/秒)显著优于 Pipecat。适合想用 Go 构建自有实时语音机器人的开发者。

jargo 通过 rtc.NewTransport(基于 Pion 的 WebRTC,或 WebSocket/LiveKit/本地音频)接收音频,经 pipeline.NewWorker 运行一条处理器流水线:stt(chat.NewSTT)流式转录,aggregators.New 的 User/Assistant 聚合器配合 Silero VAD 与 Smart Turn v3(本地 ONNX)判断轮次结束,llm(chat.NewLLM)生成回复,tts(chat.NewTTS)合成语音并回传,Opus 编解码与重采样全部为纯 Go 实现。每个 STT/LLM/TTS 都是 Config 加构造函数的可插拔服务,覆盖 Deepgram、AssemblyAI、Whisper、Anthropic、OpenAI、Gemini、Groq、ElevenLabs、Cartesia 等数十个供应商,另有 mem0 记忆和 Twilio Media Streams 电话(含用户空闲看门狗)。examples/getting-started 系列从一句话逐步构建到带工具的完整语音智能体(06-voice-agent),examples/voice/ 下有各供应商的显式接线示例,echo 示例无需任何 API 密钥即可回声运行。

  1. Go 后端团队要为产品构建一个带轮次检测和打断的实时网页语音助手(浏览器通过 WebRTC 接入,参考 06-voice-agent 示例)。
  2. 需要在同一个 Go 服务上高并发承载大量语音会话的团队,以替代受 GIL 限制的 Python Pipecat 部署。
  3. 想给现有 STT/LLM/TTS 供应商做统一抽象的开发者,用小接口随意替换 Deepgram、OpenAI、ElevenLabs 等服务。
  4. 需要电话语音机器人的团队,通过 Twilio Media Streams 处理呼入呼出,并用空闲看门狗在来电者沉默后重新接话或挂断。
  5. 偏好单模型方案的团队,直接接 OpenAI Realtime、Gemini Live 或 AWS Nova Sonic 做语音到语音对话。
  6. 希望在 distroless 容器里部署语音机器人,利用 gojargo/jargo 基础镜像自带 ONNX Runtime 的运维团队。

安装与配置要点

摘自下方的安装和使用说明,以项目 README 的最新说明为准。

安装 / 启动命令
  • docker run --rm -p 8080:8080 -e OPENAI_API_KEY=$OPENAI_API_KEY my-bot
环境变量
CARTESIA_API_KEY OPENAI_API_KEY
安装说明涉及
Docker

如何安装或部署这个 Agent?

安装为 Go 依赖(无 cgo,无需 C 工具链或系统包):

go get github.com/gojargo/jargo

运行语音机器人只需在轮次检测时加载一个共享库 ONNX Runtime(可用 make deps-onnx 或直接下载 Microsoft onnxruntime release;RNNoise 为可选降噪),运行时通过 purego 加载,可用 JARGO_ONNXRUNTIME_LIB 和 JARGO_RNNOISE_LIB 指定路径,也可放在加载器默认搜索路径。Docker 部署:在 gojargo/jargo-build 基础镜像上构建,产物基于 distroless gojargo/jargo 运行时镜像(已捆绑 ONNX Runtime)。

如何使用这个 Agent?

一个最小的 STT → LLM → TTS 语音智能体核心:

stt := chat.NewSTT(chat.STTConfig{APIKey: key, SampleRate: opus.SampleRate})
llm := chat.NewLLM(chat.LLMConfig{APIKey: key})
tts := chat.NewTTS(chat.TTSConfig{APIKey: key})

t := rtc.NewTransport(conn, transport.DefaultParams())
agg := aggregators.New(frames.NewLLMContext("You are a helpful voice assistant."))

task := pipeline.NewWorker(pipeline.New(
	t.Input(), stt, agg.User(), llm, tts, t.Output(), agg.Assistant(),
), pipeline.WorkerConfig{})
task.Run(ctx)

快速体验内置示例(打开浏览器访问 http://localhost:7860):

CARTESIA_API_KEY=... go run ./examples/getting-started/01-say-one-thing

完整语音智能体示例在 examples/getting-started/06-voice-agent;供应商接线示例用 go run ./examples/voice/voice-deepgram-flux 等命令运行。Docker 部署示例:

docker run --rm -p 8080:8080 -e OPENAI_API_KEY=$OPENAI_API_KEY my-bot

需要配置所用 STT/LLM/TTS 供应商的 API 密钥;文档见 gojargo.dev,API 参考见 pkg.go.dev/github.com/gojargo/jargo。

这个 Agent 有哪些优点和局限?

优点
  • 纯 Go、默认无 cgo:CGO_ENABLED=0 go build 即可产出单一静态二进制,部署简单、内存与启动开销低。
  • 内嵌 Silero VAD 与 Smart Turn v3 的 ONNX 模型,二进制自带本地轮次检测与打断能力,不依赖额外模型服务。
  • 官方基准显示框架开销远低于 Pipecat:1000 并发会话 124 MiB 对 357 MiB 内存、96k 帧/秒对 10.8k 帧/秒吞吐、0.12 ms 对 1.08 ms 每会话启动。
  • 供应商矩阵极广且可插拔:STT、LLM、TTS、语音到语音、记忆各成一类,每个服务是一个小 Config 加构造函数。
局限
  • 完整轮次检测与打断体验依赖运行时加载的 ONNX Runtime 共享库;缺省时退化为 STT 端点检测并失去打断。
  • 作为独立项目是 Pipecat 的移植,不隶属于 Daily;与上游 Pipecat 的生态和社区支持不可互通。
  • 语音到语音和大多数 STT/TTS 依赖付费云服务 API 密钥,实际成本主要由供应商按使用量计费。
  • 它是构建语音机器人的框架而非成品产品:需要写 Go 代码、接传输和供应商配置才能得到可用机器人。

这个 Agent 与同类方案有什么区别?

与相关度最高的同类 agent 并排比较关键指标。

Agent 源码审查 形态 / 费用 Star 最近更新 主语言 完整支持的平台
jargo 当前 74 · 存在缺口 — ★ 112 2 天前 Go OpenAI API · Claude API
Rapida Voice 46 · 缺口较多 自托管服务免费 + 模型费 ★ 760 14 天前 Go OpenAI API · Claude API
Voice AI 语音智能体学习路线 68 · 存在缺口 代码库 / SDK免费 ★ 342 24 天前 Astro —
Stream Vision Agents 57 · 缺口较多 代码库 / SDK免费 + 模型费 ★ 8.2k 1 天前 Go OpenAI API · Claude API

FollowAgents 如何评估这个 Agent?

FollowAgents 源码审查 · FARS-2.1
存在缺口
74/ 100 五分制 3.7 / 5
信任安全 18/29
可靠稳定 12/14
适用触发 15/18
规范维护 15/18
有效结果 9/13
证据核验 5/8
查看各维度的扣分理由
信任安全18 / 29 · 3.1/5

库代码不读环境变量、配置显式校验、原生库按需可选加载,最小权限设计较好(2);但用户确认机制基本缺失(如 Twilio 外呼无确认流程)(1);文档清楚说明音频/文本流向各云厂商(2);对音频与对话内容的敏感数据处理(留存、PII)几乎没有专门指引(1);govulncheck、gitleaks、Semgrep、固定 CI action 版本、签名与出处证明齐备(3);回滚机制未见(1);Pipecat 上游归属在 LICENSE/NOTICE/README 中逐字保留,堪称典范(3)。

可靠稳定12 / 14 · 4.3/5

README、AGENTS.md 与 docs 对构建、依赖、回退行为的描述相互一致(3);运行时库缺失均有文档化的降级路径(VAD→STT endpointing、ErrLibraryNotAvailable 等)(3);错误消息有具体例子但未系统展示(2)。

适用触发15 / 18 · 4.2/5

面向 Go 语音代理开发者,示例系列从零到完整机器人,受众与场景清晰(3);能力边界部分说明(缺 ONNX 失去 barge-in、pre-1.0 API 不稳),但不完整(2);框架非触发式代理,触发精度按接口明确度评(2);Docker、purego、跨平台路径说明环境适配到位(3)。

规范维护15 / 18 · 4.2/5

docs/ 结构清晰并有链接检查测试 TestDocsLinks(3);安装文档详尽覆盖所有运行时库(3);命名与约定有规范但 pre-1.0 API 可能变动(2);示例丰富、无 FAQ(3);限制说明存在但分散(2);BSD-2 与上游版权完整(3);CHANGELOG/约定式提交有规定但未见到 CHANGELOG 内容(2);SECURITY.md 明确支持版本与私下报告流程,但维护者身份与项目成熟度未知(2)。

有效结果9 / 13 · 3.5/5

输出可用性依据静态代码与文档评估,评测运行器结构清晰(2);作为 Pipecat 的 Go 移植有明确差异化价值,基准比较仅在本作业内有意义(2);文档诚实地标明'仅框架开销',成本收益有量化但有条件(2)。

证据核验5 / 8 · 3.1/5

基准数字指向 docs/benchmarks.md 方法说明,可追溯(2);README/docs/CI 相互印证构建与依赖声明(2);基准部分明确区分事实与方法限定('every difference significant' 仅在同一作业内成立),但多数声明仍为自我报告、未经独立执行验证(2)。

风险与缓解建议
  • 本项目是框架而非自治代理:音频与文本会实时发送给第三方云服务(STT/LLM/TTS),部署方需自行评估数据合规与留存风险。
  • 启用 Twilio 电话外呼等外部效果时没有任何确认或授权流程,需由应用层自行实现。
  • 敏感数据处理(对话录音、PII)无任何文档指引;pre-1.0,公共 API 可能在任意小版本中破坏性变更。
  • 基准数字为自我报告、仅在单次 CI 作业内有意义,引用前务必查阅 docs/benchmarks.md;发布者身份未经验证。
  • 缺失 ONNX Runtime 时静默降级为 STT endpointing 并失去 barge-in,请在部署时显式验证所需库。
证据充分度:低 评估于 2026年11月21日 审查版本 6061ddefc64c
查看完整评分方法 →
你是这个项目的维护者?把 FARS 徽章加到 README

徽章显示当前的评审分数和结论,点击回到本页。重新评审后约一小时内更新。

FARS

[![FARS 评测](https://followagents.com/badge/jargo.svg?lang=zh)](https://followagents.com/zh/agents/jargo)
<a href="https://followagents.com/zh/agents/jargo"><img src="https://followagents.com/badge/jargo.svg?lang=zh" alt="FARS 评测"></a>

常见问题

jargo 官网是什么?
jargo 的 GitHub 仓库填写的官网是 https://gojargo.dev/。这个链接由仓库作者设置;源码在 GitHub(gojargo/jargo)。
jargo 开源吗?
开源。源码在 GitHub(gojargo/jargo),许可证是 BSD-2-Clause。
jargo 安全吗?
FollowAgents 的 FARS 评审(2026年11月21日)给 jargo 的“信任与安全”打了 18/29 分。评审检查的 8 项安全措施没有完全缺失的。
jargo 还在维护吗?
在维护。GitHub 上最近一次提交是 2026-11-20,在最近 30 天内。
jargo 是谁开发的?
jargo 由 GitHub 账号 gojargo 发布。FollowAgents 没有核实这个账号背后是哪个人或公司。
这页内容对你有帮助吗?
在 GitHub 查看 ↗ 安装 ↓

对比同类 Agent

用同一套 FARS 评审,横向比较这个 Agent 所属的短名单。

相关核心概念