Voice Agent Example

基于 Spring AI Alibaba 的语音对话 Agent 示例，实现 Push-to-Talk 模式的 Audio → STT → Agent → TTS → Audio 全链路。

功能

• Push-to-Talk 语音交互：WebSocket 双向通信，推送录音、流式播放回复
• 打断控制：AI 播放中随时点击打断
• Reactive Pipeline：STT → Agent → TTS 基于 Reactor 的流式编排
• 工具调用：示例为航班预订助手（查询/改签）

快速开始

1. 配置 API Key

# Linux/Mac
export AI_DASHSCOPE_API_KEY=sk-xxx

# Windows PowerShell
$env:AI_DASHSCOPE_API_KEY="sk-xxx"

2. 启动

mvn spring-boot:run

3. 使用

浏览器打开 http://localhost:8081，点击 🎤 录音 → 再次点击发送 → AI 语音回复。

架构

Browser ──PCM──► VoiceWebSocketHandler ──► VoiceAgentPipeline
   ◄──PCM+JSON──┘                          │
                                    ┌──────┴────────────────────────┐
                                    │ STT (paraformer-realtime-v2)  │
                                    │      ↓                        │
                                    │ ReactAgent + Tools            │
                                    │      ↓                        │
                                    │ TTS (cosyvoice-v1)            │
                                    └───────────────────────────────┘

项目结构

voice-agent-example/src/main/java/.../voice/
├── config/
│   ├── VoiceAgentConfiguration.java  # ReactAgent + Tools 组装
│   └── WebSocketConfig.java          # WebSocket 端点注册
├── controller/
│   ├── PageController.java           # 前端路由
│   └── VoiceWebSocketHandler.java    # WebSocket 消息处理
├── service/
│   ├── VoiceAgentPipeline.java       # 核心管道 STT→Agent→TTS
│   └── VoiceAgentService.java        # ReactAgent 调用封装
├── event/                            # Pipeline 事件（sealed interface）
└── tools/                            # 航班查询/改签工具

技术栈

组件	实现
框架	Spring Boot 3.x
AI 集成	Spring AI Alibaba (ReactAgent)
流式编排	Project Reactor
实时通信	WebSocket (PCM 16kHz)

注意事项

• 端口 8081，可在 application.yml 修改
• 浏览器麦克风需 HTTPS 或 localhost