有，fish agent可以实现：
Fish Agent是FishAudio推出的创新的端到端语音处理模型，集成自动语音识别（ASR）和文本到语音（TTS）技术，无需传统的语义编码器/解码器，实现语音到语音的直接转换。 模型经过700,000小时的多语言音频内容训练，支持包括英语、中文在内的多种语言，精准捕捉和生成环境音频信息。 Fish Agent目前正处于测试阶段，基于不断的优化和改进，为用户提供更准确、更自然的语音交互体验。
体验：https://huggingface.co/spaces/fishaudio/fish-agent
网友回复
我知道答案，我要回答
私活外包
