
概要
Pipecat は、リアルタイム音声エージェント向けのオープンソース Python フレームワークです。 Cartesia は、Pipecat リポジトリで TTS および STT サービス のファーストパーティプロバイダープラグインとして利用できます。前提条件
Pipecat のサンプルには最近の Python のインストールが必要です(現在の前提条件は、Pipecat リポジトリのルートレベルの README を参照してください)。 TTS/STT 用にcartesia エクストラを指定して、pipecat-ai Python パッケージをインストールします(角括弧構文):
はじめに
Cartesia の統合は、Cartesia のサービスをインポートしてエージェントに組み込むだけです:CartesiaTurnsSTTService には pipecat-ai[cartesia]>=1.3.0 が必要です。ターン検出が改善されているため、従来の
CartesiaSTTService よりもこちらの使用を強くおすすめします。基本的なサンプル
完全に動作する音声エージェントについては、pipecat-ai/pipecat リポジトリの /examples/voice/voice-cartesia-turns.py を参照してください。
高度なサンプル
Ink のturn.eager_end イベントを利用すると、通常より少し早くエージェントの応答生成を開始できます。
これによりレイテンシーを約 0.5 秒短縮でき、エージェントをより人間らしくできます。
Speculative User Aggregator
CartesiaTurnsSTTService の on_turn_eager_end の使い方