经过几天的捣鼓，现在也是比较好地实现了家里的codex远程控制手机的能力，接下来我想更进一步，去达成我想实现贾维斯式交互的想法（类似于我能够在手机上跟它进行实时对话、委派任务，它能够调用我的所有资源去实现任务。目前给了它3台vps，1台windows电脑，1台手机。）。 
但是目前实时语音服务，以及语音模型怎么跟codex和antigravity进行任务交接的问题还没有什么头绪，我想的是像gpt voice那样的交互体验，有佬友做过类似的项目吗？ 
目前跟gpt商讨的架构是这样的，不知道是否可行： 
 [image] 
下面分享一下我今早在地铁上通过远程控制让gpt帮我生成图片的一个效果： 
 [image] 
[image] 
[image]