Show HN: Jargo —— 用於對話式AI應用的Go語言版Pipecat

Jargo是一個將Pipecat移植到Go語言的開源項目，專為構建實時語音AI代理而設計。它通過WebRTC接收音頻輸入，經過流式語音轉文字（STT）→大語言模型（LLM）推理→文字轉語音（TTS）的管道處理，再通過RTVI數據通道將音頻輸出到客户端，實現與現有RTVI客户端的互操作。項目目前處於早期開發階段，API尚不穩定，可能會發生變化。

為什麼選擇Go而不是Python？Pipecat本身是基於Python的，但實時語音服務器通常不需要複雜的AI/數據科學生態系統——模型通常作為遠程服務或ONNX運行時運行，剩下的工作主要是音頻幀處理、WebRTC連接管理、併發控制和最終二進制打包。對於這些任務，Go語言更為合適：它可以編譯為單個靜態二進制文件，部署簡單；內存佔用低且可預測；啓動速度快；並且能夠實現真正的併發，同時處理多個會話而不受GIL限制。因此，Jargo應運而生，同時避免了依賴Daily等專有云服務的鎖定。

Jargo的核心特性包括：使用純Go的Pion庫實現標準WebRTC，無需專有傳輸層；音頻編碼方面，默認使用純Go的Opus編碼器，也可選擇libopus以獲得更佳的語音質量；流式管道支持STT、LLM和TTS，並帶有提示緩存；輪流對話和打斷功能基於本地ONNX運行的Silero VAD和Smart Turn v3算法；所有服務（STT/LLM/TTS）都可通過小型接口進行插拔；架構採用獨立的處理器，通過幀傳遞實現中斷和併發。

依賴方面，Jargo使用cgo（不支持CGO_ENABLED=0），並需要一些本機庫：libsoxr用於音頻重採樣（構建時鏈接），libopus是可選的C Opus編碼器（通過-tags libopus選擇），ONNX Runtime在運行時加載用於VAD和對話結束檢測。容器鏡像已包含所有這些依賴。

使用方式上，可以通過go get獲取，本地構建時需要安裝本機依賴，然後使用cgo運行示例。也提供Docker方式，鏡像已包含所有依賴，只需設置相應的API密鑰即可。項目包含兩個示例：echo bot（無需API密鑰）和完整的語音bot（需要DeepGram、Anthropic、ElevenLabs的API密鑰）。

Jargo採用BSD-2-Clause許可證，與Pipecat相同，並保留上游Daily的版權聲明。這是一個獨立項目，與Daily無關聯或背書。