README-FR.md

Table des matières

• Bienvenue chez TEN
• Exemples d’agents
• Démarrage rapide avec les exemples d’agents
  • En local
  • Codespaces
• Auto-hébergement des exemples d’agents
  • Déployer avec Docker
  • Déployer sur d’autres services cloud
• Restez informé·e
• Écosystème TEN
• Questions
• Contribuer
  • Contributrices et contributeurs
  • Guide de contribution
  • Licence

Bienvenue chez TEN

TEN est un framework open source pour créer des agents conversationnels vocaux pilotés par l’IA.

L’écosystème TEN comprend TEN Framework, les Exemples d’agents, VAD, Turn Detection et Portal.

Canal communautaire	Objectif
	Suivez TEN Framework sur X pour connaître les nouveautés et annonces
	Rejoignez notre communauté Discord pour échanger avec d’autres développeurs
	Abonnez-vous sur LinkedIn afin de recevoir nos actualités
	Découvrez nos espaces et modèles sur Hugging Face
	Rejoignez le groupe WeChat pour discuter avec la communauté chinoise

Exemples d’agents

Assistant vocal polyvalent — Assistant temps réel, basse latence et haute qualité, extensible avec des modules de mémoire, de VAD, de détection de tours, etc.

Consultez le code d’exemple pour en savoir plus.

Doodler — Un tableau de gribouillage qui transforme des prompts parlés ou saisis en croquis simples dessinés à la main, avec une palette de crayons et un dessin en temps réel.

Code d’exemple

Avatars avec synchronisation labiale — Compatible avec plusieurs fournisseurs d’avatars. La démo met en scène Kei, un personnage animé avec synchronisation labiale Live2D, et proposera bientôt des avatars réalistes de Trulience, HeyGen et Tavus.

Voir le code d’exemple Live2D.

Diarisation vocale — Détection et étiquetage des locuteurs en temps réel. Le jeu "Who Likes What" illustre un cas d’usage interactif.

Code d’exemple

Appels SIP — Extension SIP qui permet d’effectuer des appels téléphoniques propulsés par TEN.

Code d’exemple

Transcription — Outil de transcription qui convertit la voix en texte.

Code d’exemple

ESP32-S3 Korvo V3 — Fait tourner un exemple TEN Agent sur la carte de développement Espressif ESP32-S3 Korvo V3 pour relier communication LLM et matériel.

Voir le guide d’intégration pour plus d’informations.

Démarrage rapide avec les exemples d’agents

En local

Étape ⓵ - Prérequis

Catégorie	Exigences
Clés	• Agora App ID et App Certificate (minutes gratuites chaque mois) • Clé API de OpenAI (n’importe quel LLM compatible OpenAI) • ASR Deepgram (crédits offerts à l’inscription) • TTS ElevenLabs (crédits offerts à l’inscription)
Installation	• Docker / Docker Compose • Node.js (LTS) v18
Configuration minimale	• CPU ≥ 2 cœurs • RAM ≥ 4 Go

Étape ⓶ - Compiler les exemples dans une VM

1. Clonez le dépôt, placez-vous dans ai_agents et créez .env à partir de .env.example

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

2. Configurez Agora App ID et App Certificate dans .env

AGORA_APP_ID=
AGORA_APP_CERTIFICATE=

# Exécuter l’exemple d’assistant vocal par défaut
# Deepgram (requis pour la transcription)
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 la synthèse vocale)
ELEVENLABS_TTS_KEY=your_elevenlabs_api_key_here

3. Lancez les conteneurs de développement

docker compose up -d

4. Entrez dans le conteneur

docker exec -it ten_agent_dev bash

5. Compilez l’agent avec l’exemple par défaut (~5-8 min)

D’autres exemples sont disponibles dans agents/examples. Commencez par l’une des options suivantes :

# Assistant vocal chaîné
cd agents/examples/voice-assistant

# Assistant voix-à-voix temps réel
cd agents/examples/voice-assistant-realtime

6. Démarrez le serveur web

Exécutez task build si vous avez modifié le code. Obligatoire pour les langages compilés (TypeScript, Go, etc.), inutile pour Python.

task install
task run

7. Accédez à l’agent

Une fois l’exemple démarré, ces interfaces sont disponibles :

localhost:49483

localhost:3000

• TMAN Designer : http://localhost:49483
• Interface des exemples : http://localhost:3000

Étape ⓷ - Personnaliser votre exemple

1. Ouvrez localhost:49483.
2. Cliquez droit sur les extensions STT, LLM et TTS.
3. Renseignez les clés API correspondantes.
4. Validez : la mise à jour apparaît sur localhost:3000.

Exécuter une application de transcription depuis TEN Manager sans Docker (Beta)

TEN propose aussi une application de transcription que vous pouvez lancer dans TEN Manager sans utiliser Docker.

Consultez le guide de démarrage rapide pour en savoir plus.

Codespaces

GitHub fournit des Codespaces gratuits par dépôt. Vous pouvez exécuter les exemples d’agents sans Docker, avec des temps de démarrage souvent plus courts qu’en local.

Consultez ce guide pour plus d’informations.

Auto-hébergement des exemples d’agents

Déployer avec Docker

Après avoir personnalisé votre agent (via TMAN Designer ou en modifiant property.json), générez une image Docker prête pour la production et déployez votre service.

Publier en image Docker

Remarque : exécutez ces commandes hors de tout conteneur Docker.

Construire l’image

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

Exécuter

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

Déployer sur d’autres services cloud

Divisez le déploiement en deux parties pour héberger TEN sur des plateformes comme Vercel ou Netlify.

1. Exécutez le backend TEN sur une plateforme compatible conteneurs (VM Docker, Fly.io, Render, ECS, Cloud Run, etc.). Utilisez l’image fournie et exposez le port 8080.
2. Déployez uniquement le frontend sur Vercel ou Netlify. Pointez la racine du projet vers ai_agents/agents/examples/<example>/frontend, lancez pnpm install (ou bun install) puis pnpm build (ou bun run build) et conservez le répertoire .next par défaut.
3. Dans le tableau de bord d’hébergement, définissez AGENT_SERVER_URL vers l’URL du backend et ajoutez les variables NEXT_PUBLIC_* nécessaires (comme les identifiants Agora côté navigateur).
4. Autorisez le frontend à contacter le backend via CORS ouvert ou le middleware proxy intégré.

Ainsi, le backend gère les workers longue durée tandis que le frontend hébergé achemine simplement les requêtes.

Restez informé·e

Recevez instantanément les nouvelles versions et les mises à jour. Votre soutien nous aide à faire grandir TEN.

Écosystème TEN

Projet	Aperçu
️TEN Framework Framework open source pour agents conversationnels.
TEN VAD Détecteur d’activité vocale (VAD) léger et à faible latence.
️TEN Turn Detection Permet des dialogues full-duplex grâce à la détection de tours.
TEN Agent Examples Cas d'usage construits avec TEN.
TEN Portal Site officiel avec documentation et blog.

Questions

TEN Framework est présent sur des plateformes de questions/réponses alimentées par l’IA. Elles fournissent des réponses multilingues, de la configuration de base aux cas avancés.

Service	Lien
DeepWiki
ReadmeX

Contribuer

Nous accueillons toute forme de collaboration open source ! Corrections de bugs, nouvelles fonctionnalités, documentation ou idées : vos contributions font progresser les outils d’IA personnalisés. Consultez les Issues et Projects GitHub pour trouver des sujets sur lesquels intervenir et montrer votre expertise. Ensemble, faisons grandir TEN !

Contributrices et contributeurs

Guide de contribution

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

Licence

1. L’ensemble de TEN Framework (hors dossiers listés ci-dessous) est publié sous licence Apache 2.0 avec restrictions additionnelles. Voir le fichier LICENSE à la racine.
2. Les composants du dossier packages sont publiés sous Apache 2.0. Référez-vous au fichier LICENSE propre à chaque package.
3. Les bibliothèques tierces utilisées par TEN Framework sont référencées dans le dossier third_party.