FollowAgents AI AGENTS 目录
首页 / 全部 Agents / Qwen Audio Agent
效率与协作 real-time-voicefull-duplex-audioacpdashscopespeech-to-speechdesktop-runtimetask-orchestration

Qwen Audio Agent

让语音助理在对话持续进行时并行完成后台任务。

在 GitHub 查看 ↗ 快速上手 ↓
源仓库
QwenAudio/qwen-audio-agent
Star 数
★ 3.2k
最近更新
3 天前
License
Apache-2.0
主语言
JavaScript
FA 评分
70/100 · 存在缺口

30 秒速览

运行形态
命令行工具桌面应用网页应用
可在哪里用
通用 · 跨平台Codex · Claude Code（部分支持）
费用
软件免费，模型调用费用自付
上手难度
中 · 需要几步配置
开始前需要
Node.js 22.22.2+ 或 24.15.0+npm 10+默认实时提供商的 DashScope API 密钥Shell / 命令行网络访问本地文件系统MCP Server
典型场景
希望在语音聊天不断开的同时，把资料查询或工具调用交给后台处理的个人助理用户。
不适合
  • 不愿将麦克风音频和实时对话发送到第三方实时服务的用户
  • 需要开箱即用全双工语音的 Linux/Windows 用户：TUI 默认半双工，需自行安装 PortAudio
源码审查
70/100 · 存在缺口

这个 Agent 能做什么，适合哪些场景？

Qwen Audio Agent 是一个实时语音运行时，通过 Gateway 将持续语音对话与异步后台任务结合起来。它提供终端 TUI、WebUI 和 macOS 桌面悬浮球；桌面版内置 Gateway，也可连接同一用户配置目录中已运行的 Gateway。前台可使用 DashScope 的 Qwen Audio 3.0 Realtime，或连接 Hugging Face speech-to-speech 提供的 OpenAI Realtime 兼容服务。需要持续处理或调用工具的请求可交给后台 Agent，任务状态与结果会回到当前对话。它还在本地保存用户档案、明确要求记住的信息、任务状态和经凭据脱敏后轮转的日志。

运行 qwenaudio 后，Gateway 连接配置的实时语音前台服务，接收麦克风音频并维持语音对话。可直接回答的内容由前台处理；需要长期执行的工作则可交给由 AGENT_PROTOCOL 或 --backend 选定的后台 Agent。已配置的 OpenCode、OpenClaw、Qoder、Kimi Code、Hermes、CodeBuddy、Codex 或 Claude Code 可作为后台选项，其中通用 ACP stdio 接入使用 ACP_COMMAND、ACP_ARGS、ACP_LABEL 和 ACP_WORKSPACE 配置。用户可通过 qwenaudio setup 查看可用后台 Agent，并查询、追问或取消异步任务；完成结果会返回到当前对话。它把 USER.md、frontend-memory.json、tasks.json 和 logs/ 保存在 ~/.config/qwaudio/。

  1. 希望在语音聊天不断开的同时，把资料查询或工具调用交给后台处理的个人助理用户。
  2. 已使用 OpenCode 或 OpenClaw，想通过语音入口复用其用户级模型、工具、MCP、Skill 和认证的开发者。
  3. 在 macOS 上希望使用常驻菜单栏、可自动隐藏并通过快捷键唤回的语音悬浮球的用户。
  4. 拥有 NVIDIA GPU 或 Apple Silicon，且希望将 VAD、STT、LLM、TTS 语音链路部署为本地 speech-to-speech 服务的用户。
  5. 需要把 Gateway 安装为用户后台服务，并以语音持续追踪多个独立任务状态的用户。

如何安装或部署这个 Agent？

需要 Node.js 22.22.2+ 或 24.15.0+ 与 npm 10+。执行：

npm install -g qwen-audio-agent

然后执行 qwenaudio config，在生成的 config.env 中填写 DASHSCOPE_API_KEY，并可设置 QWEN_AUDIO_REALTIME_MODEL=qwen-audio-3.0-realtime-plus。默认实时前台需要 DashScope API Key；若改用本地 speech-to-speech，可设置 QWEN_AUDIO_REALTIME_PROVIDER=speech-to-speech 和 SPEECH_TO_SPEECH_REALTIME_URL=ws://127.0.0.1:8765/v1/realtime。

如何使用这个 Agent？

完成配置后，在一个终端运行 qwenaudio 启动 Gateway；在另一终端运行 qwenaudio tui 启动终端界面，或运行 qwenaudio webui 使用浏览器界面。若需后台任务，在 config.env 中设置例如 AGENT_PROTOCOL=openclaw，或使用 AGENT_PROTOCOL=acp、ACP_COMMAND=your-agent、ACP_ARGS=["--acp"] 接入支持 ACP stdio 的 Agent。可运行 qwenaudio setup 查看后台 Agent；要长期常驻则运行 qwenaudio gateway install。

这个 Agent 有哪些优点和局限？

优点
  • 全双工实时语音、自然打断和持续多轮对话，与后台任务并行设计明确。
  • 同时提供 Gateway、TUI、WebUI 和 macOS 悬浮球，桌面版可自行管理内置 Gateway。
  • 支持原生 ACP、内置 ACP 桥接和通用 ACP stdio 配置，可复用已配置后台 Agent 的工具、MCP、Skill 与认证。
  • 除默认 DashScope 路径外，还可连接本地或自定义部署的 speech-to-speech OpenAI Realtime 兼容服务。
局限
  • 默认实时前台依赖 DashScope API Key；麦克风音频与实时对话会发送至所配置的实时服务。
  • Linux 与 Windows 的 TUI 默认半双工，首次使用需要安装 sounddevice 和系统 PortAudio；无回声消除的全双工模式建议佩戴耳机。
  • Codex 和 Claude Code 标为外部 ACP 适配，需要安装本体与适配器并由用户完成配置。
  • 启用 QWEN_AUDIO_AGENT_BACKEND_PERMISSION_MODE=full 后，后台 Agent 可执行命令和修改文件，仅适合可信项目。

这个 Agent 与同类方案有什么区别？

前台语音可选 DashScope Qwen Audio 3.0 Realtime，或用户自行运行的 Hugging Face speech-to-speech。前者需要 DashScope API Key；后者提供 OpenAI Realtime 兼容接口，并可将 VAD、STT、LLM、TTS 组合在本地或按需替换服务。后台方面，OpenCode、OpenClaw、Qoder、Kimi Code、Hermes、CodeBuddy、Codex 和 Claude Code 的接入完整度与准备要求不同；通用 ACP stdio 入口可用于其他支持该协议的 Agent。

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
Qwen Audio Agent 当前 70 · 存在缺口 命令行工具免费 + 模型费 ★ 3.2k 3 天前 JavaScript —
Comma 个人智能助理 72 · 存在缺口 自托管服务免费版 + 付费版 ★ 550 12 天前 Elixir Codex · Claude Code
Lotti 私人日志与任务助手 78 · 表现良好 桌面应用免费 + 模型费 ★ 1.2k 今天 Dart OpenAI API · Claude API
AgentRQ 65 · 存在缺口 自托管服务免费 + 模型费 ★ 1.2k 3 天前 Go Codex · Claude Code

FollowAgents 如何评估这个 Agent？

FollowAgents 源码审查 · FARS-2.1
存在缺口
70/ 100 五分制 3.5 / 5
信任安全 17/29
可靠稳定 9/14
适用触发 15/18
规范维护 14/18
有效结果 10/13
证据核验 5/8
查看各维度的扣分理由
信任安全17 / 29 · 2.9/5

默认 Gateway 仅监听本机，远程访问需配对凭据或 Token；文档也说明任务权限、取消和密钥存储位置，因此最小权限、确认及数据流有一定支持。但所给材料没有完整权限实现或敏感数据生命周期细节，故未给满分。安全策略及依赖审计发布门禁有说明，但当前开发依赖例外仍有效；启动代码会自动补装缺失技能，未在此处展示每项安装动作的确认或回滚，故相关项扣分。许可证和第三方通知可追溯，但发布者身份未验证，不能据品牌归属加分。

可靠稳定9 / 14 · 3.2/5

README、安装指南和快速开始对 Node 版本、配置及运行方式大体一致；CI 矩阵、发布审计与诊断文档支持维护可靠性的判断。Gateway 在启动失败时记录致命错误，后端退出时记录原因，TUI也有音频错误提示。仍有部分云服务、后端 CLI 和本地音频依赖受外部可用性影响，所给材料不能证明其持续可用或所有错误路径表现，故为部分而非满分。

适用触发15 / 18 · 4.2/5

材料明确覆盖桌面、终端、浏览器、移动端、远程接入、云与本地语音前端、多种后台 Agent，并提供不同平台安装和使用路径。也说明部分集成的能力边界，例如 MiniCPM-o 不支持工具调用、远程 OpenClaw 需外部配置；不过范围广且依赖多，示例状态和集成成熟度不一，故边界与触发条件不是完全穷尽。

规范维护14 / 18 · 3.9/5

文档按安装、快速开始、配置、后台、运维和场景组织，中英文指南较完整，版本新闻、Node 要求、更新方式和 Apache-2.0 许可证明确。README 提供示例与指向故障排查、权限、限制的文档，但所给材料没有 FAQ 全貌；变更日志仅以发布新闻呈现，维护责任仅能从安全报告流程和贡献入口部分看出，且发布者身份未知，因此这些项未满分。

有效结果10 / 13 · 3.8/5

产品目标清晰：保持实时语音会话，同时将较长任务交给后台 Agent；文档列出前后台并行、进度追踪、取消、结果回到对话等具体用途，功能组合具有明确增益。用户也需配置 API Key、安装后台 Agent，并承担云服务费用和平台依赖；材料没有成本量化或对不同使用规模的取舍分析，输出实用性与成本效益因此为部分支持。

证据核验5 / 8 · 3.1/5

README 的功能和集成声明能对应到安装指南、后台配置、安全政策、CI 工作流及消息顺序测试等材料；CI 配置展示了测试和构建计划，但本次仅作静态审阅，不能将工作流声明当作本次执行结果。文档通常把支持状态、要求和配置选项具体列出，不过部分评级与产品效益仍属项目自述，事实和推断的区分并非处处完整。

风险与缓解建议
  • 语音前端和部分后台依赖云端服务或独立 CLI；使用前需自行配置凭据、确认服务费用及依赖可用性。
  • Gateway 默认本机监听；启用 LAN 或远程访问时应遵循配对、Token、TLS 与 Origin 配置说明，避免将明文入口暴露到公网。
  • 启动时可能自动补装缺失技能；所给材料没有展示这一过程的逐项确认和恢复机制。
证据充分度：低 评估于 2026年11月8日 审查版本 12f66d18be80
评估证据 README.mdgetting-started/install.mdgetting-started/install.zh.mdgetting-started/quickstart.mdgetting-started/quickstart.zh.mdbackends/configuration.mdsrc/index.mjssrc/index.mjsLICENSESECURITY.mdpackage.jsonworkflows/ci.ymlworkflows/docs.ymltest/message-order.test.js
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/qwen-audio-agent.svg?lang=zh)](https://followagents.com/zh/agents/qwen-audio-agent)
<a href="https://followagents.com/zh/agents/qwen-audio-agent"><img src="https://followagents.com/badge/qwen-audio-agent.svg?lang=zh" alt="FARS 评测"></a>

最近版本

来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。

  1. v2.0.1
    发布说明摘录
    What's Changed * fix(release): isolate macOS certificate import from builder keychain bug by @x-lixu in https://github.com/QwenAudio/qwen-audio-agent/pull/518 * fix(release): register temporary keychain for macOS codesign by @x-lixu in https://github.com/QwenAudio/qwen-audio-agent/pull/519 * Fix code formatting by @x-lixu in https://github.com/QwenAudio/qwen-audio-agent/pull/525 * docs(customer-service): update enhanced demo video and remove embed comments by @x-lixu in https://github.com/QwenAudio/qwen-audio-agent/pull/515 …
    在 GitHub 查看 ↗
  2. v2.0.0
    发布说明摘录
    Qwen Audio Agent 2.0.0 🏗️ 重构编排运行时，统一客户端协议与 ACP / A2A 后台接入；🎙️ 扩展[语音与视频模型](https://github.com/QwenAudio/qwen-audio-agent/blob/v2.0.0/README_ZH.md#语音前台)；🧠 完善前台工具、记忆与资料库；💬 新增桌面对话面板与手机远程连接；🧩 新增[客服、座舱、数字人等示例](https://github.com/QwenAudio/qwen-audio-agent/blob/v2.0.0/README_ZH.md#示例与场景扩展)；📄 发布[技术报告](https://arxiv.org/pdf/2609.25195)。 …
    在 GitHub 查看 ↗
  3. v1.11.0
    发布说明摘录
    What's Changed * refactor: harden gateway and backend architecture by @x-lixu in https://github.com/QwenAudio/qwen-audio-agent/pull/156 * refactor: align spawn_thinking terminology and document voice architecture by @x-lixu in https://github.com/QwenAudio/qwen-audio-agent/pull/159 * [doc] Update README demo video by @robin1001 in https://github.com/QwenAudio/qwen-audio-agent/pull/160 * fix(desktop): clarify backend agent labels by @x-lixu in https://github.com/QwenAudio/qwen-audio-agent/pull/161 …
    在 GitHub 查看 ↗

常见问题

不配置后台 Agent 还能使用吗？
可以。未设置 AGENT_PROTOCOL 或设置为 none 时，Gateway 以仅前台模式运行，实时语音聊天仍可使用；需要后台执行的请求会明确提示当前没有可用后台 Agent。
音频和个人数据保存在哪里？
麦克风音频与实时对话会发送到配置的 DashScope 或 speech-to-speech 实时服务。USER.md、长期记忆、任务状态和日志保存在本机 ~/.config/qwaudio/，日志会进行凭据脱敏和自动轮转。
可以完全本地运行语音前台吗？
可以连接自行运行的 Hugging Face speech-to-speech。文档给出了 Linux/Windows NVIDIA GPU 与 Apple Silicon 的启动示例；该模式下 Gateway 连接本地 Realtime 接口，无需云端 API Key。
后台任务有哪些权限？
默认使用 native 权限模式，由后台 Agent 在需要时询问。full 模式允许后台执行命令和修改文件，文档建议只在可信项目中开启。
这页内容对你有帮助吗？
在 GitHub 查看 ↗ 安装 ↓