Show HN: Jargo – 会話型AIアプリのためのPipecatのGo移植版

Jargoは、PipecatをGoに移植したオープンソースプロジェクトであり、リアルタイム音声AIエージェントを構築するためのフレームワークです。WebRTCを介して音声を入力し、ストリーミング音声認識（STT）→大規模言語モデル（LLM）推論→音声合成（TTS）のパイプラインで処理し、RTVIデータチャネルを通じてクライアントに音声を出力します。これにより、既存のRTVIクライアントとの相互運用が可能です。現在は初期開発段階にあり、APIは不安定で変更される可能性があります。

なぜGoなのか？PipecatはPythonベースですが、リアルタイム音声サーバーは複雑なAI/データサイエンスエコシステムを必要としません。モデルはリモートサービスやONNXランタイムとして動作し、残る作業は主にオーディオフレーム処理、WebRTC接続管理、並行処理、そしてバイナリのパッケージングです。これらのタスクにはGo言語が適しています。単一の静的バイナリにコンパイルでき、デプロイが簡単で、メモリ使用量が低く予測可能、起動が速く、GILなしで真の並行処理を実現します。そのため、Jargoは誕生しました。Dailyのような専用クラウドサービスへのロックインも回避します。

主な機能：ピュアGoのPionライブラリによる標準WebRTC、デフォルトのピュアGo Opusエンコーダー（libopusオプションで音質向上）、ストリーミングパイプライン（STT、LLM、TTS、プロンプトキャッシング）、ローカルONNX上のSilero VADとSmart Turn v3によるターンテイキングと割り込み、プラグイン可能なSTT/LLM/TTSサービス、独立したプロセッサーによる並行処理（割り込みはフレームとして扱われます）。

依存関係：cgo（CGO_ENABLED=0は非対応）、libsoxr（オーディオリサンプリング、ビルド時にリンク）、libopus（オプション、音声品質向上）、ONNX Runtime（VADと終了検出のためランタイムロード）。Dockerイメージはこれら全てを含んでいます。

使用方法：go get github.com/gojargo/jargo で取得し、ローカルビルドにはネイティブ依存関係のインストールが必要です。Dockerを使用する場合は、イメージをビルドし、必要なAPIキーを設定して実行します。例として、APIキー不要のエコーボットと、DeepGram・Anthropic・ElevenLabsのキーが必要なフルボイスボットが用意されています。

ライセンスはBSD-2-Clauseで、Pipecatと同じです。上流のDailyの著作権を保持し、独立したプロジェクトであり、Dailyとの提携や推奨はありません。