On-Device Audio Decision Pipeline (Ear + Voz + Jev)
这是 Desert Ant Labs 公开的项目资料。本站按原始来源展示项目信息，用中文说明适用场景和阅读边界；项目名、源帖与代码保持原样，便于逐项核对。
这条案例记录了什么
实时与语音 Agent、安全与权限门禁
判断下一步响应或路由；音频转写和输出仍由其他组件完成。
社区公开项目或作者演示
原始来源：Desert Ant Labs open-source release and audio benchmark。尚未独立核实。
Desert Ant Labs
记录日期：2026-09-22。日期与身份应以原始资料为准。
原始演示视频
视频来自此案例记录的原始媒体；播放内容和作者声明不等于本站复现。
怎样核对这个项目
- 先打开原始来源，确认作者、日期与 Jev 在项目中的具体用途。
- 如果提供仓库，再检查代码、运行要求和许可证；仓库存在不代表本站已经运行成功。
- 对速度、成本、准确率和规模数字，查看原文的任务、环境和计算口径。
- 转写错误的影响。
- 端到端延迟而非单次响应。
- 实时失败后的回退。
- 高风险动作是否单独授权。
原始文字与技术细节
以下内容保留原语言，供核对事实。中文页的场景说明是阅读提示，不是逐句翻译或实测结论。
展开英文项目摘要与原帖
项目摘要
Desert Ant Labs demonstrated an audio-file workflow: Ear detects the language, Voz transcribes, Redact removes personal information and Jev makes about 20 decisions in one call to choose what to do next. The post describes local audio models but does not say Jev inference itself runs on-device.
来源原文
Jev + on-device models = results in seconds with no LLM in the loop. Quick demo app to show the possibilities. Drop in an audio file: Ear detects the language, Voz transcribes it and Redact removes PII. Then @typesafeai's Jev makes about 20 decisions in one call in milliseconds, and picks which of our on-device models to run. Voice memo to to-do list. Meeting to redacted transcript. Podcast to clips.
原记录的限制
- Local processing of the audio models does not imply local Jev inference.