发帖
雷达卡
开发过AI应用的朋友都知道，想做一个能看、能听、能说的虚拟AI伴侣有多麻烦。你得分别接入语音识别、LLM、语音合成。
还得想办法让这些模块协同工作，光配置环境就能折腾一天。更别提还要处理实时对话、嘴型同步这些细节问题，整套下来头都大了。
今天介绍一个很火的开源，曾拿下Github每日最佳的AI伴侣Airi。
开源地址：https://github.com/moeru-ai/airi
简单来说，这是一个整合框架，就是把上面那些麻烦事情都集成在了一起，用起来相当方便。
Airi最大的亮点就是模块化设计。你不需要去研究每个AI模型怎么调用，框架已经帮你把语音识别、语言模型对话、语音合成这些环节串联起来了。
就像乐高积木一样，每个功能模块都是现成的，你想怎么拼就怎么拼，不想折腾直接用默认配置也行。对新手来说特别友好，只要跟着教程做就可以了。
目前，已经开发出的功能包括意识、发生和听觉，视觉、记忆功能正在开发中。
Airi支持实时的语音输入输出，可以像真人一样边听边回应，而不是那种傻傻地等你把话说完才反应，用起来的感觉就像是跟朋友打电话差不多。
嘴型同步和表情驱动这些细节Airi也考虑到了。虚拟角色说话时嘴会跟着动，表情也会根据对话内容有所变化。
虽然听起来是小事，但正是这些细节让角色看起来不那么假。
Airi兼容性很强，不绑定特定的AI模型，你想用哪家的大语言模型都行，例如，OpenAI、Claude、gemini、Minimax、DeepSeek等市面上所有主流开闭源模型。
语音识别和合成模块也可以替换。这对于有特定需求或者预算考虑的开发者来说很友好。毕竟不同模型的成本和效果差异挺大的，能自由选择才是王道。
配置这块也不复杂，项目里会有配置文件模板，你只需要填入自己的API密钥就行了。
默认情况下，项目会给你一个基础的可交互角色，你可以试着跟它对话，看看效果如何。
如果你想换角色形象或者调整语音风格，改改配置文件就行，不需要写代码。
另一个有趣的玩法是结合流媒体服务。你可以把虚拟角色推流到直播平台，实现一个AI虚拟主播，例如，用来直播唱歌、跳舞什么的都没问题。
虽然这需要一点额外的配置，但项目文档里有详细说明，跟着做不难。
目前Airi还处于快速迭代中，正在添加很多有意思的功能。想快速开发一个AI伴侣，相信挺合适的。如果想了解多模态AI应用是怎么协同工作的，也可以玩玩。
想转型AI，不被时代淘汰
CAIE注册人工智能工程师认证
岗位能力 × AI工具 ×转型方向 × 场景落地 = 新AI职业价值
扫码免费领取《AI工程师入门学习指南》
京公网安备 11010802022788号
