Decibri

Decibri 是一套面向 AI 智能体(AI Agent)与语音 AI 应用的统一音频底层基础设施,把语音应用所需的核心音频能力收敛到同一个技术栈中:实时麦克风采集、扬声器播放、声学回声消除、语音活动检测(VAD),并可将音频流式传输给智能体、云服务或直接写入文件。它横跨 Python、Node.js 与 Rust 三种语言,提供各自语言的原生接口(Python 迭代器、Node.js Readable 流、Rust 通道),并附带完整类型定义,实现 IDE 自动补全与内联文档。其核心价值在于解决实时音频采集与播放“本应简单却异常艰难”的行业痛点:传统方案往往依赖系统音频工具、需要本地编译工具链,且在不同语言、不同操作系统(macOS、Windows、Linux)之间安装体验与运行时行为极不一致。Decibri 通过为各平台预编译原生二进制(Windows 11 x64/arm64、macOS arm64、Linux x64/arm64)并打包进各语言的安装包,实现“零配置”安装——无需编译器、无需构建工具、无安装脚本、无云 API 依赖。默认以 100 毫秒音频块(16kHz 下 1600 帧)直接从操作系统音频层采集,不经过子进程、shell 或中间编码,延迟低且可预测。产品还捆绑 Silero VAD v6.2 模型,通过 ONNX Runtime 在本地 Rust 中运行,可在噪声环境下准确检测语音并产出语音/静音事件。定位上,Decibri 面向需要可预测低延迟音频 I/O、又不愿自行处理平台差异的开发者,是语音智能体后端、实时转写、唤醒词检测、流式音频管道等场景的底层音频层。价格方面页面未明确标注收费模式,其安装方式为 pip 与 npm 免费获取,可视为免费使用(开源生态分发方式)。

需求人群:

["语音 AI 与智能体后端开发者:他们需要在服务端稳定、低延迟地采集与播放音频,并把 PCM 流实时送往 STT、LLM 或语音智能体,Decibri 用统一 API 抹平了 Python/Node.js/Rust 与三大操作系统之间的差异。", "实时转写、唤醒词与语音助手应用开发者:这些场景对端点检测与延迟极为敏感,Decibri 捆绑的本地 Silero VAD 与 100ms 音频块默认配置可直接满足需求,无需再引入云 API 或第三方音频工具。", "Python 与 Node.js 工程师:他们希望零配置安装、不折腾系统音频库与编译环境,预编译二进制配合 pip/npm 一条命令即可开始流式采集,极大缩短从 0 到可运行的路径。", "Rust 系统与边缘设备开发者:他们需要单包内编译进音频宿主、具备原生类型与通道语义的高性能音频 I/O,用于 CLI 工具、边缘设备或对资源占用敏感的服务端音频处理。", "需要跨平台部署的团队与 CI 场景:他们要在 Windows、macOS、Linux 上用同一套代码交付,并需要在 CI 中做音频冒烟测试或批量 ASR 作业,一行式的录音落盘助手与原始数据写入能力正好覆盖此类需求。", "Web 端语音应用开发者:借助 Node.js 包在浏览器下的 AudioWorklet 条件导出,可以在前端直接完成音频采集与处理,减少前后端音频链路的重复实现。"]

使用场景示例:

实时转写:用 Python 以 16kHz 从麦克风采集音频块,直接送入 Deepgram Nova 3 或 OpenAI Realtime API 做实时语音转文字,配合 VAD 实现按轮次切分的转写结果输出。

语音智能体与助手:在语音智能体后端把麦克风采集的 PCM 流经 WebSocket 推送给 LLM/语音智能体,再用 Speaker API 把回复音频写回系统扬声器,构成完整的全双工对话回路。

录音落盘与批量 ASR:使用一行式 record-to-file 助手把音频录成 WAV/FLAC/AIFF 文件,或把原始 PCM 直接管道写入文件,用于批量语音识别任务或 CI 中的音频冒烟测试。

唤醒词检测与音频监控:利用内置 Silero VAD 的语音/静音事件在本地做唤醒词前级过滤与音频监控,在嘈杂环境中准确判断是否有语音输入,全程无需联网调用云端接口。

浏览器端音频采集:在 Web 打包环境中通过 Node.js 包的条件导出加载 AudioWorklet 实现,直接在浏览器里采集 PCM 音频并送入后续处理或转写链路。

产品特色:

实时麦克风采集:默认直接从操作系统音频层抓取 100 毫秒音频块(16kHz 下即 1600 帧),不经过子进程、shell 调用或中间编码环节,延迟低且行为可预测,适合对时序敏感的实时语音系统。

扬声器音频输出:Speaker API 可作为标准写入目标使用,能够把麦克风采集的数据直接管道写入以实现全双工音频,让通话式、对话式语音应用无需额外拼装播放链路。

本地语音活动检测:内置 Silero VAD v6.2 模型,通过 ONNX Runtime 在本地 Rust 侧运行,无需任何云 API 即可在嘈杂环境中准确识别语音,并对外抛出语音开始与静音事件,便于做端点检测与转写切分。

跨平台零配置安装:为 Windows 11(x64/arm64)、macOS(Apple Silicon)、Linux(x64/arm64)提供预编译原生二进制,pip 自动拉取匹配平台的 wheel,npm 自动附加对应的平台可选包,全程无需编译器、构建工具或安装后下载。

各语言原生编程体验:Python 提供原生迭代器、Node.js 提供 Readable 流、Rust 提供通道,可分别用各自语言最自然的方式把音频管道接到文件、WebSocket 或语音智能体上。

完整类型安全与 IDE 支持:随包提供 Python typing stubs、Node.js 的 TypeScript d.ts 声明以及 Rust 原生类型,支持完整的 IDE 自动补全与内联文档,降低集成与调试成本。

高度可配置的音频参数:支持自定义采样率、声道数、每缓冲区帧数、按索引或名称选择输入设备、选择 int16 或 float32 输出格式,并可选用带语音/静音事件的语音活动检测。

浏览器与生态集成:Node.js 包通过条件导出在浏览器打包时提供 AudioWorklet 实现,开箱支持浏览器端音频采集;同时输出 16 位原始 PCM,可直接对接 AssemblyAI、AWS Transcribe、Azure、Deepgram、Google、OpenAI、Sherpa-ONNX、Mistral 等语音识别与智能体服务。

使用教程:

确认环境:选择你使用的语言(Python、Node.js 或 Rust)以及目标平台(Windows 11 x64/arm64、macOS Apple Silicon、Linux x64/arm64),Decibri 会提供对应的预编译二进制,无需安装任何系统音频库或编译工具。

安装依赖:Python 执行 pip install decibri,Node.js 执行 npm install decibri(会自动附加匹配平台的包),Rust 将 decibri 加入项目依赖;安装过程无编译、无安装脚本、无安装后下载。

创建采集对象:按语言初始化麦克风,例如 Python 使用 with decibri.Microphone(sample_rate=16000) as mic,Node.js 使用 new Microphone({ sampleRate: 16000 }),Rust 使用 Microphone::new(MicrophoneConfig::default()) 并调用 start()。

按需配置参数:设置采样率、声道数、每缓冲区帧数、输出格式(int16 或 float32),通过索引或名称选择输入设备,并可根据需要开启带语音/静音事件的语音活动检测。

读取音频流:用各语言原生方式消费数据——Python 遍历迭代器获取 chunk,Node.js 监听 data 事件或使用 Readable 流,Rust 通过通道收取帧,默认每块 100 毫秒(16kHz 下 1600 帧)。

对接下游:把原始 16 位 PCM 直接管道写入文件、WebSocket 或语音服务即可,可参考官方集成指南对接 AssemblyAI、AWS Transcribe、Azure、Deepgram、Google、OpenAI、Sherpa-ONNX、Mistral 等。

实现音频播放:需要输出时使用 Speaker API,把采集到的数据写入 Speaker 作为标准写入目标,从而构成采集到播放的全双工音频链路。

录音落盘(可选):若要快速录音,直接调用一行式 record_to_file 助手写出 WAV 文件并指定时长与采样率;也可把原始 PCM 手动写入文件用于批处理或测试。

验证与结束:运行代码确认能收到音频块,Node.js 可设置 setTimeout 调用 mic.stop() 结束采集,Rust 在流关闭时按错误类型优雅退出循环,确认链路正常后再接入生产环境。

浏览量:0

打开站点

类似产品

为Python、Node.js和Rust提供统一实时音频AI层,支持采集与播放。

Decibri 是一套面向 AI 智能体(AI Agent)与语音 AI 应用的统一音频底层基础设施,把语音应用所需的核心音频能力收敛到同一个技术栈中:实时麦克风采集、扬声器播放、声学回声消除、语音活动检测(VAD),并可将音频流式传输给智能体、云服务或直接写入文件。它横跨 Python、Node.js 与 Rust 三种语言,提供各自语言的原生接口(Python 迭代器、Node.js Readable 流、Rust 通道),并附带完整类型定义,实现 IDE 自动补全与内联文档。其核心价值在于解决实时音频采集与播放“本应简单却异常艰难”的行业痛点:传统方案往往依赖系统音频工具、需要本地编译工具链,且在不同语言、不同操作系统(macOS、Windows、Linux)之间安装体验与运行时行为极不一致。Decibri 通过为各平台预编译原生二进制(Windows 11 x64/arm64、macOS arm64、Linux x64/arm64)并打包进各语言的安装包,实现“零配置”安装——无需编译器、无需构建工具、无安装脚本、无云 API 依赖。默认以 100 毫秒音频块(16kHz 下 1600 帧)直接从操作系统音频层采集,不经过子进程、shell 或中间编码,延迟低且可预测。产品还捆绑 Silero VAD v6.2 模型,通过 ONNX Runtime 在本地 Rust 中运行,可在噪声环境下准确检测语音并产出语音/静音事件。定位上,Decibri 面向需要可预测低延迟音频 I/O、又不愿自行处理平台差异的开发者,是语音智能体后端、实时转写、唤醒词检测、流式音频管道等场景的底层音频层。价格方面页面未明确标注收费模式,其安装方式为 pip 与 npm 免费获取,可视为免费使用(开源生态分发方式)。

© 2026     AIbase    备案号:闽ICP备08105208号-14

隐私政策

用户协议

意见反馈 网站地图