能力标签

🤖 Agent 🔄 工作流 🐳 Docker 💻 CLI 🔗 REST API 🔊 TTS 🎙 STT 🧠 Claude ✨ GPT 🖥 本地 LLM

🛠

AI工具

本地语音模式

基于 Shell · 开源免费，本地部署，数据完全自主可控

英文名：Local-VoiceMode-LLM

⭐ 29 Stars 🍴 4 Forks 💻 Shell 📄 未公布协议 🏷 AI 7.5分

7.5AI 综合评分

AI语音离线开源

🔍 查看原项目

✦ AI Skill Hub 推荐

本地语音模式是 AI Skill Hub 本期精选AI工具之一。综合评分 7.5 分，整体质量较高。我们推荐使用将其纳入你的 AI 工具库，帮助提升工作效率。

📚 深度解析

本地语音模式是一款基于 Shell 的开源工具，在 GitHub 上收获 0k+ Star，是AI、语音、离线、开源领域中的优质开源项目。开源工具的最大优势在于代码完全透明，你可以审计每一行代码的安全性，也可以根据自身需求进行二次开发和定制。

**为什么要使用开源工具而非商业 SaaS？**
对于个人开发者和有隐私需求的用户，本地部署的开源工具意味着数据不离本机，不受第三方服务商的数据政策约束。同时，开源工具通常没有使用次数限制和月度费用，一次安装即可长期使用，对于高频使用场景的总拥有成本（TCO）远低于订阅制商业工具。

**安装与环境准备**
本地语音模式依赖 Shell 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 Shell 版本，避免全局环境污染。对于新手用户，推荐先创建虚拟环境（python -m venv venv && source venv/bin/activate），再安装依赖，这样即使出现问题也可以随时删除虚拟环境重新开始，不影响系统稳定性。

**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues（已关闭的问题），大多数常见问题都已有解答。遇到 Bug 时，提供 pip list 的输出、完整错误堆栈和最小可复现示例，能显著提高开发者响应速度。AI Skill Hub 将持续追踪本地语音模式的版本更新，及时通知重要功能变化。

📋 工具概览

本地语音模式是一款基于 Shell 开发的开源工具，专注于 AI、语音、离线等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。

GitHub Stars

⭐ 29

开发语言

Shell

支持平台

macOS / Linux

维护状态

轻量级项目，按需更新

开源协议

未公布

AI 综合评分

7.5 分

工具类型

AI工具

Forks

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

📌 核心特色

开源免费，支持本地部署，数据完全自主可控
活跃的 GitHub 开源社区，持续迭代更新
提供详细文档和使用示例，新手友好
支持自定义配置，灵活适配不同使用环境
可作为基础组件集成进现有技术栈或进行二次开发

🎯 主要使用场景

本地部署运行，保护数据隐私，满足合规要求
自定义集成到现有系统，扩展技术栈能力
作为开源基础组件进行商业化二次开发

以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。

安装命令

# 克隆仓库
git clone https://github.com/groxaxo/Local-VoiceMode-LLM
cd Local-VoiceMode-LLM

# 查看安装说明
cat README.md

# 按 README 完成环境依赖安装后即可使用

📋 安装步骤说明

访问 GitHub 仓库页面
按照 README 文档完成依赖安装
根据系统环境完成初始化配置
参考官方示例或文档开始使用
遇到问题可在 GitHub Issues 中查找解答

以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。

常用命令 / 代码示例

# 查看帮助
local-voicemode-llm --help

# 基本运行
local-voicemode-llm [options] <input>

# 详细使用说明请查阅文档
# https://github.com/groxaxo/Local-VoiceMode-LLM

以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。

配置示例

# local-voicemode-llm 配置说明
# 查看配置选项
local-voicemode-llm --config-example > config.yml

# 常见配置项
# output_dir: ./output
# log_level: info
# workers: 4

# 环境变量（覆盖配置文件）
export LOCAL_VOICEMODE_LLM_CONFIG="/path/to/config.yml"

📑 README 深度解析真实文档完整度 64/100 查看 GitHub 原文 →

以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

简介

Local VoiceMode LLM

Give your AI agent a voice — and ears — that run entirely on your CPU.

<a href="#quick-start">Quick Start</a> · <a href="#benchmarks">Benchmarks</a> · <a href="#agent-integrations">Integrations</a> · <a href="#configuration">Config</a>

-----

A complete, local voice pipeline for AI agents. One command installs everything: Silero VAD for detecting when you speak, Parakeet TDT 0.6B for transcription, and Supertonic TTS 3 for synthesis. No cloud, no API keys, no GPU required.

It drops a talk skill into Claude Code, OpenCode CLI, OpenClaw, Hermes Agent, and Codex, then installs and starts the speech backends for you. Pick your agent, run the installer, start talking.

Features

Three CPU-native engines — Silero VAD, Parakeet STT (25 languages), Supertonic TTS (EN/ES/KO/PT/FR)
Multi-engine TTS with fallbacks — Supertonic (local ONNX) → NeuTTS (local GGUF) → xAI (cloud, last resort); local engines are always tried before the cloud
Pipelined talk loop — TTS finishes, mic opens instantly (TALK_AUTO_LISTEN=1)
Barge-in — interrupt playback by speaking (opt-in, TALK_BARGE_IN=1)
Five agents, one skill — Claude Code, OpenCode CLI, OpenClaw, Hermes, Codex
Web dashboard — test and tune every setting live at :7862, no npm, no build step
Cross-platform — macOS, Linux, Windows
Non-destructive installs — existing services are preserved; re-running setup.sh is safe

What gets installed

Component	Location	Port	Auto-start
Voice venv (VAD + ONNX)	`~/.config/opencode/tts-venv/`	—	—
Parakeet STT	`~/.config/opencode/parakeet-stt/`	5093	launchd / systemd / Task Scheduler
Supertonic TTS	`~/.config/opencode/supertonic-tts/`	8766	launchd / systemd / Task Scheduler
Supertonic 2 (opt-in)	`~/.config/opencode/supertonic2-tts/`	8880	`integrations/supertonic2/install.sh`
Web dashboard	`frontend/` (repo)	7862	manual (`bash frontend/start.sh`)
`talk` skill	per-agent (see below)	—	—

Optional: Supertonic 2. Supertonic Express 2 (model onnx-community/Supertonic-TTS-2-ONNX) is a 66M-param, CPU-only, multilingual ONNX TTS with the same OpenAI-compatible API. Add it with bash integrations/supertonic2/install.sh, then select it with TTS_ENGINE=supertonic2 — it runs on :8880 alongside Supertonic 3 and falls back to it automatically. See integrations/supertonic2/.

Quick Start

Usage

Example: noisy room, want it to only react to clear, deliberate speech

VAD_THRESHOLD=0.65 VAD_MIN_SILENCE_MS=800 talk.sh listen ```

All values are also adjustable live in the Web Dashboard (saved to frontend-config.json).

Supertonic 2 — optional, even faster on CPU

Supertonic 2 is an optional backend (bash integrations/supertonic2/install.sh, then TTS_ENGINE=supertonic2). Measured back-to-back on the same i7-12700KF, both CPU-only (median of 5, voice F4), it synthesizes ~3.2× faster than Supertonic 3 at the default 8 steps:

Reply	Audio	Supertonic 3 (8 steps)	Supertonic 2 (8 steps)	Speed-up
short (10 words)	2.4 s	1.98 s · 0.82 RTF	0.78 s · 0.29 RTF	2.6×
medium (22 words)	6.6 s	3.12 s · 0.48 RTF	0.99 s · 0.15 RTF	3.2×
long (45 words)	13.4 s	5.44 s · 0.41 RTF	1.44 s · 0.10 RTF	3.8×

At high quality (20 steps) the gap widens to ~3.4× (mean RTF 0.31 vs 1.07). Both engines share the same OpenAI-compatible API and voices (F1–F5 / M1–M5), so switching is just TTS_ENGINE; Supertonic 2 runs on :8880 and coexists with Supertonic 3 (:8766), falling back to it automatically. Full numbers and the reproduce script: benchmarks/TTS_BACKENDS.md · python benchmarks/compare_tts_backends.py.

Optional: cloud TTS fallback

export XAI_API_KEY=xai-... ```

Backends are installed and running when it finishes. That’s the whole setup.

Configuration

Variable	Default	Description
`STT_ENGINE`	`local`	STT backend — Parakeet on `:5093` (ONNX/CPU on Linux, CoreML on macOS)
`STT_URL`	`http://127.0.0.1:5093/v1/audio/transcriptions`	Local Parakeet endpoint
`TTS_ENGINE`	`supertonic`	`supertonic` (local ONNX) → `neutts` (local GGUF) → `xai` (cloud, last resort)
`SUPERTONIC_URL`	`http://127.0.0.1:8766`	Supertonic endpoint
`SUPERTONIC_VOICE`	`F4`	`F1`–`F5` / `M1`–`M5`
`TTS_QUALITY`	`normal`	`normal` = 8 steps (fast) · `high` = 20 steps (best)
`SUPERTONIC_STEPS`	(from quality)	Denoising steps `1`–`20`; overrides the preset
`XAI_API_KEY`	(env)	Bearer token for xAI cloud fallback
`XAI_TTS_VOICE`	`eve`	`ara` · `eve` · `leo` · `rex` · `sal`
`TALK_AUTO_LISTEN`	`1`	Run `listen` after `speak`
`TALK_BARGE_IN`	`0`	Interrupt TTS on speech
`TALK_IDLE_TIMEOUT_S`	`300`	Session-silence window — end listen after N s of no speech (`0` = off)
`VAD_THRESHOLD`	`0.5`	Speech sensitivity — lower = catches softer speech, higher = ignores background noise/speech (also in dashboard)
`VAD_MIN_SILENCE_MS`	`700`	End-of-turn silence — 700 ms tolerates mid-sentence pauses; lower (~500) for snappier turns (also in dashboard)
`MIC_QUERY`	_(empty)_	Mic name substring; empty = auto-detect (honors the OS system-default input, skips virtual adapters)
`PORT`	`7862`	Dashboard port

Agent integrations

The installer copies the talk skill into each selected agent’s skill directory. Same SKILL.md descriptor everywhere — it tells the agent when to invoke voice (talk, voice, speak, habla, audio, tts), how to run the VAD → STT → TTS loop, and where the services live.

Agent	Skill path	Activation
Claude Code	`~/.claude/skills/talk/`	`skill("talk")` or auto-detected
OpenCode CLI	`~/.config/opencode/skills/talk/`	`skill("talk")`
OpenClaw	`~/.openclaw/skills/talk/`	`skill("talk")`
Hermes Agent	`~/.hermes/skills/talk/`	`skill("talk")`
Codex	`~/.codex/skills/talk/`	auto-detected via symlink

More installer options:

./setup.sh --venv-only          # only create the voice venv
./setup.sh --skip-voices        # skip reference voice generation
./setup.sh --no-integrations    # skip all agent integrations
./setup.sh --force              # overwrite existing plists/tasks (destructive)
./setup.sh --uninstall          # stop services, remove plists
./setup.sh --uninstall --force  # also remove installed dirs

🎯 aiskill88 AI 点评 A 级 2026-06-13

高质量的开源AI语音工具，值得关注

📚 实用指南（长尾问题）

适合谁

需要 Local-VoiceMode-LLM 解决具体问题的开发者与运营人员

最佳实践

先在测试环境跑通最小用例，再接入生产数据

常见错误

API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）

部署方案

云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台

⚡ 核心功能

开源免费，支持本地部署，数据完全自主可控
活跃的 GitHub 开源社区，持续迭代更新
提供详细文档和使用示例，新手友好
支持自定义配置，灵活适配不同使用环境
可作为基础组件集成进现有技术栈或进行二次开发

👥 适合谁

需要 Local-VoiceMode-LLM 解决具体问题的开发者与运营人员

⭐ 最佳实践

先在测试环境跑通最小用例，再接入生产数据

⚠️ 常见错误

API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）

👥 适合人群

AI 技术爱好者研究人员和学生开发者和工程师技术创业者

🎯 使用场景

本地部署运行，保护数据隐私，满足合规要求
自定义集成到现有系统，扩展技术栈能力
作为开源基础组件进行商业化二次开发

⚖️ 优点与不足

✅ 优点

+完全开源免费，无授权费用
+本地部署，数据完全自主可控
+开发者社区支持，遇问题可查可问

⚠️ 不足

−未明确开源协议，商用场景需谨慎评估
−安装和初始配置可能需要一定技术基础
−功能完整性通常不如成熟商业产品
−技术支持主要依赖开源社区，响应速度不稳定

⚠️ 使用须知

该工具未明确声明开源协议，商业使用前请联系原作者确认授权范围，避免侵权风险。

AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。

🔗 相关工具推荐

Milvus 向量数据库

高性能云原生向量数据库，专为可扩展AI应用设计。支持分布式部署、高并发查询、多模态embedding存储。适合构建语义搜

Hugging Face开源的深度学习框架，提供预训练语言模型、视觉模型和多模态模型。集成BERT、GPT、Llama等

🧩 你可能还需要

基于当前 Skill 的能力图谱，自动补全的工具组合

natively-cluely-ai-assistant — Claude Skill 中文使用文档

免费开源的AI面试助手，实时转录，隐蔽模式，局部RAG，BYOK。无订阅，防止数据泄露。

❓ 常见问题 FAQ

如何使用−

参考README文档

安装这个工具需要什么基础？+

安装过程中遇到依赖冲突怎么办？+

工具安装成功但运行报错，该怎么处理？+

这个工具是否有数据隐私风险？+

工具更新后会影响已有的配置和数据吗？+

💡 AI Skill Hub 点评

经综合评估，本地语音模式在AI工具赛道中表现稳健，质量良好。如果你已有明确的使用需求，可以直接上手体验；如果还在评估阶段，建议对比同类工具后再做决策。

📚 深入学习本地语音模式

查看分步骤安装教程和完整使用指南，快速上手这款工具

⚙️ 安装教程 📚 使用教程

🌐 原始信息

原始名称	`Local-VoiceMode-LLM`
原始描述	开源AI工具：Local ears and mouth for your LLM — offline, private, safe, free & open source. 。⭐29 · Shell
Topics	`AI语音离线开源`
GitHub	https://github.com/groxaxo/Local-VoiceMode-LLM
语言	Shell

🔗 原始来源

🐙 GitHub 仓库 https://github.com/groxaxo/Local-VoiceMode-LLM

收录时间：2026-06-13 · 更新时间：2026-06-13 · License：未公布 · AI Skill Hub 不对第三方内容的准确性作法律背书。