它是什么
一个能自己对实时通话做出反应的音效板,大约在笑点出现一秒后响起。
它做什么: 通话音频按固定的 1.2 秒节拍转写,所以即使大家同时说话,文字也能持续产生。每次只判断最新的切片。Jev 回答一个 Noul(按自由文本设定的氛围,判断此刻是否该放音效)和一个 Choice(按描述选出哪个音效)。然后代码检查触发档位、最短间隔和不重复规则,全部通过才播放。
为什么收进案例库: 一个清楚的实时置信度门控动作循环:所有规则都在模型之外,并带有实时成本计量。
注意: 转录文本和音频会发给两家服务商;没有公开质量指标。
证据
公开的 MIT 许可 README;只有语音转文字(默认 OpenAI Realtime)不是 Jev;每个切片调用一次 Jev,同时问两个问题:`react_now`(Noul)和 `clip`(Choice,按每个音效的「何时使用」描述来匹配,也可以选「无」);规则由代码负责:触发档位(冷静 88%、正常 75%、积极 60%)、两次音效至少间隔 4 秒、最近 25 次内不重复;内置 15 个合成音效;作者估算持续对话时 Jev 加转写每小时约 0.30–0.40 美元(按 2026 年 10 月价格);测试使用假的 Jev 和假的传输层。
注意
- 通话转录文本会发给 TypeSafe,音频会发给 OpenAI;README 要求你告知通话中的其他人
- README 里的演示是文字描述,不是录制的基准测试;没有反应质量指标
- 据 README,由于端到端语音加密,Discord 机器人目前还不能稳定地收听语音频道
非官方案例页。热度用观察到的 stars / 列表位次;热度不是质量 SLA。依赖前请阅读上游 README。