Vision-Agents

GetStream/Vision-Agents 是一个用于快速构建语音和视觉代理的开源项目，支持任何模型或视频提供商。该项目利用 Stream 的边缘网络提供超低延迟服务，核心功能包括实时视频AI处理、多种模型（如YOLO、Roboflow）与语言模型（Gemini/OpenAI）的无缝集成，以及通过Stream的基础设施实现的500毫秒内快速连接和30毫秒以下的音视频延迟。它提供了广泛的原生API接口和跨平台SDK支持，适用于开发需要实时分析与响应的应用场景，例如无人机火灾检测、体育训练辅助、物理治疗指导等。