TEN est un écosystème open source complet pour créer, personnaliser et déployer des agents conversationnels IA en temps réel avec des capacités multimodales (voix, vision et avatars).

TEN inclut TEN Framework, TEN VAD, TEN Turn Detection et TEN Portal. Consultez l’écosystème TEN pour plus de détails.

Canal communautaire	Rôle
	Suivez TEN Framework sur X pour connaître les actualités et annonces
	Suivez TEN Framework sur LinkedIn pour les mises à jour
	Rejoignez notre communauté Discord pour échanger avec les développeurs
	Retrouvez nos espaces et modèles sur Hugging Face
	Rejoignez notre groupe WeChat pour la communauté chinoise

Aperçu	Points forts
	Assistant vocal polyvalent — Assistant temps réel à faible latence et haute qualité que vous pouvez enrichir avec la mémoire, le VAD, TEN Turn Detection et d’autres extensions. Consultez le code d’exemple pour plus de détails.
	Avatars à synchronisation labiale — Compatible avec plusieurs fournisseurs. La démo présente Kei, un avatar animé en Live2D, et supportera bientôt des avatars réalistes de Trulience, HeyGen et Tavus. Voir le code d’exemple pour Live2D.
	Appel SIP — Extension SIP apportant la téléphonie à TEN. Code d’exemple
	Diaphonie vocale — Diarisation temps réel pour détecter et identifier les interlocuteurs. Le jeu "Who Likes What" illustre un cas d’usage interactif. Code d’exemple
	Transcription — Outil de transcription audio vers texte. Code d’exemple
	ESP32-S3 Korvo V3 — Exécute un exemple TEN Agent sur la carte Espressif ESP32-S3 Korvo V3 pour combiner LLM et matériel. Consultez le guide d’intégration pour en savoir plus.

cd ai_agents
cp ./.env.example ./.env

AGORA_APP_ID=
AGORA_APP_CERTIFICATE=

# Si vous exécutez l’exemple d’assistant vocal par défaut
# Deepgram (requis pour la reconnaissance vocale)
DEEPGRAM_API_KEY=your_deepgram_api_key_here

# OpenAI (requis pour le modèle de langage)
OPENAI_API_KEY=your_openai_api_key_here
OPENAI_MODEL=gpt-4o

# ElevenLabs (requis pour le TTS)
ELEVENLABS_TTS_KEY=your_elevenlabs_api_key_here

docker compose up -d

docker exec -it ten_agent_dev bash

Consultez le dossier agents/examples pour d’autres variantes. Commencez avec l’un de ces exemples :

# utiliser l’assistant vocal chaîné
cd agents/examples/voice-assistant

# ou l’assistant voix-à-voix en temps réel
cd agents/examples/voice-assistant-realtime

Si vous avez modifié le code source local, exécutez d’abord task build. Étape nécessaire pour les langages compilés (TypeScript, Go…), inutile pour Python.

task install
task run

Une fois l’agent en marche, accédez aux interfaces suivantes :

localhost:49483

localhost:3000

• TMAN Designer : http://localhost:49483
• Interface d’exemple : http://localhost:3000

1. Ouvrez localhost:49483.
2. Faites un clic droit sur les extensions STT, LLM et TTS.
3. Ouvrez leurs propriétés et indiquez les clés API correspondantes.
4. Faites un clic droit sur le canvas et sélectionnez Manage Apps pour ouvrir le gestionnaire d’applications.
5. Dans la colonne Actions, cliquez sur ▶ pour lancer l’application.
6. Choisissez Run with TEN Agent, puis cliquez sur Run.

GitHub offre un Codespace gratuit par dépôt. Vous pouvez exécuter les exemples d’agent dans Codespaces sans Docker. Le démarrage est souvent plus rapide qu’en local.

Consultez ce guide pour plus de détails.

Après avoir personnalisé votre agent (via TMAN Designer ou en modifiant property.json), créez une image Docker de release pour le déployer.

Remarque : les commandes suivantes doivent être exécutées hors de tout conteneur Docker.

cd ai_agents
docker build -f agents/examples/<example-name>/Dockerfile -t example-app .

docker run --rm -it --env-file .env -p 3000:3000 example-app

Pour héberger TEN sur Vercel ou Netlify, séparez le déploiement en deux parties.

1. Exécutez le backend TEN sur une plateforme compatible conteneurs (VM avec Docker, Fly.io, Render, ECS, Cloud Run, etc.). Utilisez l’image d’exemple telle quelle et exposez le port 8080.
2. Déployez uniquement le frontend sur Vercel ou Netlify. Pointez la racine sur ai_agents/agents/examples/<example>/frontend, exécutez pnpm install (ou bun install), puis pnpm build (ou bun run build), en conservant le dossier .next par défaut.
3. Configurez les variables d’environnement pour que AGENT_SERVER_URL pointe vers le backend et ajoutez les clés NEXT_PUBLIC_* nécessaires (par exemple les identifiants Agora exposés au navigateur).
4. Assurez-vous que le backend accepte les requêtes depuis l’origine du frontend — via du CORS ouvert ou le middleware proxy intégré.

Ainsi, le backend gère les processus de longue durée et le frontend hébergé se contente de relayer le trafic API.

Recevez immédiatement les notifications de nouvelles versions et mises à jour. Votre soutien nous aide à améliorer TEN !

Projet	Aperçu
️TEN Framework TEN est un framework open source pour l’IA conversationnelle multimodale en temps réel.
TEN VAD TEN VAD est un détecteur d’activité vocale en streaming, léger et à faible latence.
️TEN Turn Detection TEN Turn Detection permet une communication en dialogue full-duplex.
TEN Portal Site officiel du TEN Framework avec documentation et blog.
TEN Agent TEN Agent illustre les capacités du TEN Framework.
TMAN Designer TMAN Designer est une solution low/no-code avec une interface workflow intuitive pour créer un agent vocal.

TEN Framework est présent sur ces plateformes de Q/R augmentées par l’IA. Elles aident à trouver rapidement des réponses multilingues, du paramétrage de base aux mises en œuvre avancées.

Service	Lien
DeepWiki
ReadmeX

Toutes les formes de collaboration open source sont les bienvenues ! Corrections de bugs, nouvelles fonctionnalités, documentation ou idées : vos contributions font avancer les outils d’IA personnalisés. Consultez nos Issues et Projects GitHub pour trouver comment apporter votre pierre. Ensemble, construisons quelque chose d’exceptionnel !

Les contributions sont les bienvenues ! Merci de lire d’abord le guide de contribution.

1. L’ensemble du TEN Framework (sauf les dossiers explicitement listés ci-dessous) est publié sous licence Apache 2.0 avec des restrictions supplémentaires. Consultez le fichier LICENSE à la racine du projet.
2. Les composants du répertoire packages sont publiés sous licence Apache 2.0. Reportez-vous au fichier LICENSE dans chaque dossier de package.
3. Les bibliothèques tierces utilisées par TEN Framework sont listées avec leur description. Voir le dossier third_party.