AI

AI aģenta balss kopsavilkumi: kā darbojas atvērtais agent-radio

agent-radio ir pašhostēts „personīgais radio” AI aģentiem: kad kodēšanas aģents pabeidz uzdevumu, īss kopsavilkums tiek pārvērsts runā un atskaņots virs jūsu mūzikas.

FSM Studio · · 4 min lasīšanai

Ilustrācija: vecmodīgs radio ar skaņas viļņiem abās pusēs, terakota un zilās krāsās

Kodēšanas aģents strādā desmit minūtes, un jūs tikmēr darāt ko citu. Kā uzzināt, ka darbs ir gatavs, nepārslēdzoties uz termināli? Viens no variantiem ir ļaut aģentam pateikt to balsī. Tieši to dara agent-radio, atvērtā koda projekts, ko izstrādājis mūsu studijas dibinātājs. Tas nav FSM produkts, bet personīgs projekts; šeit pastāstām, kā tas ir uzbūvēts un kam tas der.

Ko agent-radio dara

Tas ir pašhostēts vairāklietotāju „personīgais radio” AI aģentiem. Katram lietotājam ir viena stacija ar mūzikas pamatni: interneta radio retranslācija, atskaņošanas saraksts no kopīgās mūzikas bibliotēkas vai klusums.

Kad aģents pabeidz darbu, tas nosūta īsu teksta kopsavilkumu. Serveris pārvērš to runā un atskaņo jūsu stacijā, savukārt mūzika uz brīdi pieklust. Aģenti var sūtīt arī gatavu audio, piemēram, uzrenderētu mūzikas miksu vai balss paraugu; tad mūzika tiek izslēgta, kamēr fails skan.

Kā tas ir uzbūvēts

README apraksta šādu ķēdi:

  • Lietotne (Hono un SQLite) nodrošina tīmekļa saskarni, API, autentifikāciju, bibliotēku un vēsturi.
  • TTS (teksta pārvēršana runā): Azure Neural, OpenAI, Gemini vai Piper. Piper darbojas bez interneta, ir noklusējums un rezerves variants. Pakalpojumu atslēgas tiek glabātas šifrētas ar AES-GCM.
  • Liquidsoap sajauc katras stacijas skaņu, Icecast to izplata, un lietotne straumi pasargā ar slepenu katra lietotāja marķieri.
  • Aģenti sazinās ar /api/say un /api/play, izmantojot API atslēgu katram datoram, vai ar komandrindas rīku agent-radio.

Svarīga detaļa: ja neviens neklausās, ziņojums tiek izlaists. Runas sintēze nenotiek, rinda neveidojas, bet teksts paliek vēsturē. Ja klausītājs atvienojies pēdējās 180 sekundēs (piemēram, atskaņotājs pārsavienojas), ziņojums tiek sagatavots un uzgaida, līdz klausītājs atgriežas.

Kā to uzstādīt

Vajag Docker. README piedāvā arī īsāko ceļu: pateikt savam AI aģentam „paņem šo repozitoriju un uzstādi radio”.

Manuāli: nokopējiet .env.example uz .env, norādiet administratora e-pastu un paroli (vismaz 12 rakstzīmes), mūzikas mapi, PUBLIC_URL un Icecast paroles, tad palaidiet docker compose up -d --build. Pēc pieteikšanās izveidojiet aģenta atslēgu, un uz datora, kuru vēlaties pieslēgt, instalētājs uzliek komandu agent-radio:

agent-radio status
agent-radio say "Build finished, all tests pass"
agent-radio play mix.mp3 "Here is the new mix"

Klausīties var ar VLC (tas skan arī ar izslēgtu ekrānu) vai pārlūkā; pārlūks atskaņo tikai priekšplānā. Piekļuvei no telefona README iesaka Cloudflare Tunnel vai Tailscale.

Automātiski kopsavilkumi pēc katra uzdevuma

Instalētājs var pievienot noteikumu failam ~/.claude/CLAUDE.md, lai aģents beigās pasaka kopsavilkumu. Pēc izvēles var ieslēgt arī „radio guard” āķi Claude Code Stop notikumam. Ja jūs klausāties un sesija kopš jūsu pēdējās ziņas nav neko nosūtījusi, āķis vienreiz aptur beigas un liek aģentam nosūtīt 1-4 teikumu kopsavilkumu. Bez jūsu piekrišanas settings.json netiek aiztikts, un esošie iestatījumi tiek saglabāti.

Ierobežojumi, par kuriem README runā atklāti

  • Licence. PolyForm Noncommercial 1.0.0: bezmaksas personiskai, ģimenes, pētniecības un citai nekomerciālai lietošanai; komerciāla lietošana nav atļauta. Lejupielādējamiem balss modeļiem ir savas licences, piemēram, Silero v5 ir CC BY-NC-SA 4.0.
  • Valoda. Tīmekļa saskarne ir krievu valodā, un statusā norādītās kopsavilkumu valodas ir uk, ru un en; latviešu valodas sarakstā nav.
  • Aizkave. Aiz Cloudflare ceļa atskaņotājs pēc pārtraukuma var atpalikt no tiešraides; tīmekļa atskaņotājs sinhronizējas pats, bet VLC gadījumā jāspiež Stop un Play. Risinājums (HLS) vēl nav realizēts.
  • Piekļuve. Konti ir tikai ar ielūgumiem; lietotne pēc noklusējuma klausās 127.0.0.1, un priekšā jāliek TLS.

Kam tas der un kā izlemt

Ja jūs paši darbināt kodēšanas aģentus un vēlaties nekavēties pie termināļa, agent-radio ir praktisks piemērs, kā aģentu iznākumu nodot cilvēkam bez ekrāna. Ja vajadzīgs komerciāls risinājums, licence to neļauj; tad skatiet AI automatizāciju uzņēmumam vai izlasiet, kā uzņēmumam izveidot AI lietošanas politiku un kas ir AI kodēšanas rīki. Projekta apraksts atrodams atvērtā koda sadaļā.

Ja domājat, kā aģentus iesaistīt savos procesos, apspriediet projektu ar mums.

Avoti