下面使用阿里云的 STT + LLM + TTS 组合展示 LiveKit Agents 的标准接入方式。

准备环境变量

不要把真实密钥提交到 Git。开发环境可使用 python-dotenv 从 .env 加载。

创建 Agent

这里使用的 cosyvoice-v3-flash 和 longanyang 同时支持新加坡和中国（北京）。模型与音色必须匹配； 其他 CosyVoice 模型的地域和音色限制见阿里云插件文档。

运行

控制台模式适合先验证麦克风、凭证和模型：

接入 LiveKit 房间：

改为 Realtime

Realtime 模型自身完成听、理解和说，只把一个 RealtimeModel 传给 llm：

Realtime 模式不需要再配置独立的 STT 与 TTS。详细的音色、轮次检测、开场语和工具 调用行为见阿里云插件与Realtime 会话。