视觉理解 + 实时语音，打造你的多模态实时 AI 丨 TEN+ 亚马逊云科技开源工作坊
如何快速打造一个能听懂你说话、理解你情绪，甚至看懂你手势、理解你周围图像的 AI 助手？
在这场 TEN x 亚马逊云科技联合工作坊中，我们将带你使用 TEN 框架 和 Amazon Nova 大模型 ，亲手构建属于你的 Voice Agent ，并部署在 Amazon Bedrock 平台上。无需复杂的代码，TEN 框架将助你快速搭建 AI Agent，而 Amazon Nova 模型的语音和视频理解能力，则为你的 Agent 提供强健大脑。
TEN 是一个用以创建实时语音 AI Agent 的开源框架。支持语音、文本和图像的输入与输出，内置优化的实时通信能力，以提供低延时、可打断的交互体验。通过内置的 STT/LLM/TTS 模块，以及插件化开发与灵活编排，帮助开发者快速测试和迭代对话体验，即使没有深厚 AI 背景的开发者也能快速构建强大的实时语音 AI Agent。
Amazon Nova 是亚马逊最新推出的基础模型系列，包含 3 个理解模型(Pro/Lite/Micro)和 2 个创意模型(Canvas/Reel)，满足不同场景需求。支持多语言处理，支持文本、图像、视频等多模态输入，提供丰富 API 接口，可通过 Amazon Bedrock 平台进行定制化开发。支持跨区域推理、批量处理、微调等多种部署方式，具备完善的安全防护机制。
在工作坊中，你将一步步解锁 TEN 与 Amazon Nova Pro/Lite 的能力，一个小时学会如何从零开始构建你的 AI 助手！现场有来自 TEN Framework 与亚马逊云科技技术专家的答疑指导，还准备了精美茶歇与开发者礼品。期待与大家现场相会～
活动时间
2025/3/8 13:30-16:30
地点
上海前滩（具体场地审核通过后入群通知）
活动流程
13:00 - 13:30 签到
13:40 - 14:20 主题分享利用 Amazon Nova 构建生成式 AI 应用——陈一品，亚马逊云科技解决方案架构师
TEN 开源框架及最佳实践——Plutoless，TEN Framework 共同发起者
14:20 - 16:00 动手实操 TEN+ Amazon Nova （茶歇 &礼品）
16:00 - 16:30 demo 展示 &自由交流
动手实操 TEN+ Amazon Nova
我们为大家准备了几步语音 AI Agent 挑战，帮助大家循序渐进地了解、使用 TEN+ Amazon Nova。
本场使用以下相关技术：
AI Agent 框架：TEN
https://github.com/TEN-framework/TEN-Agent
大模型：Amazon Nova Pro/Litehttps://aws.amazon.com/cn/ai/generative-ai/nova/
ASR：Amazon Transcribehttps://aws.amazon.com/cn/transcribe/
TTS：Amazon Pollyhttps://aws.amazon.com/cn/polly/
*本场将为大家提供免费的亚马逊云科技测试账号，并为大家准备所需的各种 key。
阶段 1
在 Amazon bedrock 上简单几步完成 TEN + Amazon Nova 大模型的部署，启动 Agent 服务开始对话。
阶段 2
体验 Amazon Nova Pro 和 Amazon Nova Lite，修改 Prompt 和 Amazon Polly 音色等配置，切换音/视频交互、实时翻译等交互模式，来定制自己专属的语音 AI Agent！
demo 展示
自行报名向大家展示你的创意、你的场景和你的 demo！
🎁 完成阶段 1&2 的朋友，可以获得由亚马逊云科技和 TEN 提供的开发者周边，进行 demo 展示的朋友更有好礼相赠～
本场将为大家提供免费的亚马逊云科技测试账号，并为大家准备所需的各种 key，建议报名参与者提前做好如下软硬件配置：
知识：会用命令行、git、docker；
预装 docker；
自备电脑一台。
报名并审核通过后，将会邀请大家进入工作坊专属答疑群，搞定前序工作，现场专注探索你的实时 AI 场景！欢迎报名～
本场活动由 TEN Framework 和亚马逊云科技联合主办，亚马逊云科技 User Group 和 RTE 开发者社区协办。
关于 RTE 开放者社区介绍
RTE 开发者社区是聚焦实时互动领域的开发者社区。希望通过社区链接领域内的开发者和生态力量，萌芽更多新技术、新场景，探索实时互动领域的更多可能。这里你将遇见一群致力于改变人和人、人和世界，以及人和 AI 连接方式的开发者。官网：rtecommunity.dev
关于 UG 社区介绍
亚马逊云科技 User Group 开发者社区是一个为开发者们提供彼此学习、分享技术实践、培训进阶等活动的技术交流分享社区。欲知更多信息或活动预告，请持续关注微信公众号【User Group】，期待热爱前沿技术和开源技术的您加入到 User Group 大家庭。
更多 Voice Agent 学习笔记：
对话 TalktoApps 创始人：Voice AI 提高了我五倍的生产力，语音输入是人机交互的未来
2024，语音 AI 元年；2025，Voice Agent 即将爆发丨年度报告发布
对话谷歌 Project Astra 研究主管：打造通用 AI 助理，主动视频交互和全双工对话是未来重点
这家语音 AI 公司新融资 2700 万美元，并预测了 2025 年语音技术趋势
Gemini 2.0 来了，这些 Voice Agent 开发者早已开始探索……
还未添加个人签名 2021-02-05 加入
声网（NASDAQ:API）成立于2014年。开发者可通过声网API，在应用内构建多种实时音视频互动场景。使用声网服务的包括小米、陌陌、斗鱼、哔哩哔哩、新东方、小红书、HTC VIVE 、Yalla等遍布全球的巨头、独角兽企业。
评论