joinly 的项目扩展与二次开发
2025-06-16 09:33:11作者:钟日瑜
项目的基础介绍
joinly 是一个开源项目,旨在为视频会议提供一个中间件连接器,使得 AI 代理能够加入并积极参与视频通话。通过其 MCP(Meeting Control Protocol)服务器,joinly 提供了一系列会议工具和资源,使任何 AI 代理都能具备实时执行任务和与会议参与者互动的能力。
项目的核心功能
- 实时互动:允许 AI 代理通过语音或聊天在会议中实时执行任务和响应。
- 对话流程:内置逻辑处理中断和多发言者交互,确保对话的自然流畅。
- 跨平台支持:能够加入 Google Meet、Zoom 和 Microsoft Teams 等视频会议平台。
- 自定义语言模型:支持所有语言模型提供商,包括本地使用的 Ollama。
- 选择首选的 TTS/STT:模块化设计支持多种服务,如 Whisper/Deepgram 的语音识别和 Kokoro/Deepgram 的语音合成。
- 完全开源、自托管和注重隐私:项目遵循 MIT 许可证,用户可以自由修改和使用。
项目使用了哪些框架或库?
- Python:作为主要的编程语言。
- Docker:用于容器化应用,便于部署和运行。
- Whisper/Deepgram:用于语音识别。
- Kokoro/Deepgram:用于语音合成。
- Playwright:可能用于浏览器自动化和测试。
- 其他开源库:如
npx用于执行命令行工具。
项目的代码目录及介绍
joinly/
├── .devcontainer/
├── .github/
│ └── workflows/
├── examples/
│ └── client_example.py
├── scripts/
├── tests/
├── .dockerignore
├── .env.example
├── .gitignore
├── .pre-commit-config.yaml
├── .python-version
├── CHANGELOG.md
├── Dockerfile
├── LICENSE
├── README.md
├── package-lock.json
├── package.json
├── pyproject.toml
├── pyrightconfig.json
├── pytest.ini
├── ruff.toml
└── uv.lock
- .devcontainer/:开发环境配置文件。
- .github/:GitHub Actions 工作流配置。
- examples/:示例代码,如
client_example.py。 - scripts/:项目脚本,如用于下载资源文件的
download_assets.py。 - tests/:单元测试和集成测试代码。
- .dockerignore:Docker 构建时排除的文件列表。
- .env.example:环境变量配置示例文件。
- .gitignore:Git 忽略文件列表。
- 其他文件:包括项目说明、许可证、配置文件等。
对项目进行扩展或者二次开发的方向
- 增加更多 AI 功能:可以集成更多自然语言处理(NLP)工具,如情感分析、关键词提取等。
- 扩展跨平台能力:增加对更多视频会议平台的支持。
- 优化用户界面:改进现有的用户界面,使其更加友好和直观。
- 增强安全性:增加加密和认证机制,确保会议的安全性。
- 自定义化:允许用户自定义 AI 代理的行为和响应。
- 性能优化:对现有代码进行优化,提高效率。
- 社区支持:构建更活跃的社区,提供文档、教程和支持。
通过上述的扩展和二次开发,joinly 可以成为一个更加强大、灵活且适用于更多场景的 AI 会议助手。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
677
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146