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語言的開源專案，專為構建即時語音AI代理而設計。它透過WebRTC接收音訊輸入，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，再透過RTVI資料通道將音訊輸出到客戶端，實現與現有RTVI客戶端的互操作。專案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，但即時語音伺服器通常不需要複雜的AI/資料科學生態系統——模型通常作為遠端服務或ONNX執行時執行，剩下的工作主要是音訊幀處理、WebRTC連線管理、併發控制和最終二進位制打包。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位制檔案，部署簡單；記憶體佔用低且可預測；啟動速度快；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；音訊編碼方面，預設使用純Go的Opus編碼器，也可選擇libopus以獲得更佳的語音質量；流式管道支援STT、LLM和TTS，並帶有提示快取；輪流對話和打斷功能基於本地ONNX執行的Silero VAD和Smart Turn v3演算法；所有服務（STT/LLM/TTS）都可透過小型介面進行插拔；架構採用獨立的處理器，透過幀傳遞實現中斷和併發。

依賴方面，Jargo使用cgo（不支援CGO_ENABLED=0），並需要一些本機庫：libsoxr用於音訊重取樣（構建時連結），libopus是可選的C Opus編碼器（透過-tags libopus選擇），ONNX Runtime在執行時載入用於VAD和對話結束檢測。容器映象已包含所有這些依賴。

使用方式上，可以透過go get獲取，本地構建時需要安裝本機依賴，然後使用cgo執行示例。也提供Docker方式，映象已包含所有依賴，只需設定相應的API金鑰即可。專案包含兩個示例：echo bot（無需API金鑰）和完整的語音bot（需要DeepGram、Anthropic、ElevenLabs的API金鑰）。

Jargo採用BSD-2-Clause許可證，與Pipecat相同，並保留上游Daily的版權宣告。這是一個獨立專案，與Daily無關聯或背書。