AI导哈

语音代理服务

TTS2 Voice Agent是一款多功能AI语音代理，具备知识图谱记忆、多角色语音克隆、情感检测及混合架构支持，适用于本地和云端AI环境。

  • by DevMan57
  • Python
  • 本地部署
  • 6 星标
  • 更新于
在 GitHub 查看 DevMan57/Agentic-Voice-UI

使用说明

TTS2语音代理

具有知识图谱记忆的多字符AI语音代理。

包含所有模型和依赖项的独立项目。专为 混合 环境：在中运行重型AI核心（IndexTTS2） Windows 子系统 for Linux 在保持工具（LM Studio、麦克风）打开的同时，提高Linux性能 视窗.

主要特点

  • 多字符： 孤立的记忆图和声音（赫敏、莉丝贝、助理）。
  • 图形内存： 基于SQLite的知识图与GraphRAG社区检测。
  • 代理技能： MCP工具、一切搜索、网络搜索、文件访问等。
  • 双TTS： IndexTTS2（语音克隆）或Kokoro（快速ONNX，延迟约80ms）。
  • 情绪检测： 基于wav2vec2的语音情感识别。
  • 混合架构： 无缝桥接WSL（AI）和Windows（音频/工具）。
  • 灵活的人工智能： 支持OpenRouter（云）和LM Studio（本地）。

快速入门（混合动力/Windows）

新用户？ 阅读 安装指南 详细设置。

1.运行启动器

右击 VoiceChat.bat → 以管理员身份运行

注： WSL2安装和键盘挂钩（PTT）需要管理员权限。

2.安装

选择 选项[5]安装依赖项.

  • 在WSL中设置Python venv（用于AI）。
  • 在Windows中设置音频工具。

3.配置

编辑 config.env:

OPENROUTER_API_KEY=sk-or-v1-your-key...
# LM_STUDIO_HOST=  <-- Leave commented for Auto-Detection!

4.发射

选择 选项[1]开始语音聊天.

PC迁移

移动到新PC？ 这个项目现在完全独立了！

快速摘要：

  1. 复制 C:\AI\tts2-voice-agent 到外部驱动器（~9GB）
  2. 在新电脑上：复制文件夹并运行 python setup_new_pc.py

所有模型和依赖项都捆绑在 models/ 和 lib/ 目录。

建筑

                        WINDOWS HOST
    ┌──────────────┐   ┌──────────────┐   ┌─────────────┐
    │  PTT / VAD   │   │  LM Studio   │   │ Microphone  │
    │   (Python)   │   │ (Local AI)   │   │  (Input)    │
    └──────┬───────┘   └──────▲───────┘   └──────┬──────┘
           │ Audio            │ HTTP             │ Audio
           ▼                  ▼                  ▼
    ═══════╪══════════════════╪══════════════════╪═══════════
           │                  │                  │
           │             WSL (UBUNTU)            │
    ┌──────▼───────┐   ┌──────┴───────┐   ┌──────▼──────┐
    │  App Server  │◄─►│  LLM Client  │   │   Whisper   │
    │ (Gradio UI)  │   │   (Logic)    │   │    STT      │
    └──────┬───────┘   └──────┬───────┘   └─────────────┘
           │                  │
           ▼                  ▼
    ┌──────────────┐   ┌──────────────┐   ┌─────────────┐
    │  Services    │   │ Graph Memory │   │  Emotion    │
    │   Layer ◆    │   │ + GraphRAG   │   │  Detection  │
    └──────┬───────┘   └──────────────┘   └─────────────┘
           │
           ▼
    ┌──────────────┐   ┌──────────────┐
    │  IndexTTS2   │   │   Kokoro     │
    │  (High Fid)  │   │   (Fast)     │
    └──────────────┘   └──────────────┘

◆ Phase 1 Complete: Service layer extracted for better maintainability

移动接入

从您的手机或网络上的任何设备访问语音代理。

快速开始

  1. 右击 VoiceChat.bat → 以管理员身份运行
  2. 选择 选项[2]移动/远程访问
  3. 将生成公共HTTPS URL（例如。， https://xxxxx.gradio.live)
  4. 在手机上打开URL

特性

  • 移动PTT按钮 -大型触摸友好型“保持通话”按钮
  • PWA支持 -在手机上安装为网络应用程序（添加到主屏幕）
  • 需要HTTPS -麦克风访问需要安全连接（自动处理）

提示

  • Gradio共享URL是临时的（最多72小时）
  • 对于永久访问，请考虑 Cloudflare 隧道
  • PWA安装：在移动浏览器上，点击共享>“添加到主屏幕”

控制

动作 按键/模式
通话（PTT） 等等 右移 （发布发送）
移动PTT 按住“保持通话”按钮
免提的 在用户界面中切换“免提模式”
停止音频 点击UI中的“停止”

TTS选项

后端 速度 质量 VRAM 语音克隆
索引TTS2 ~800ms 优秀 4-6GB 是（5s样本）
Kokoro公司 ~80ms 良好 ~500MB 预设声音

在设置>音频设置>TTS后端中切换。

工具

工具 说明
everything_search PC范围的文件搜索（需要一切）
web_search DuckDuckGo搜索（无API密钥）
wikipedia 维基百科查询
read_file / write_file 沙盒文件访问
create_skill Agent创造新技能
MCP工具 通过 mcp_config.json

文档

故障排除

问题 解决方案
LM工作室橙色/红色 跑步方式 管理员，港口 1235。参见 文档.
PTT不工作 使用 右移.确保 VoiceChat.bat 正在运行。
连接被拒绝 检查 config.env.评论出来 LM_STUDIO_HOST.
情绪总是“悲伤” 可能存在音频问题-检查麦克风音量

许可证

MIT许可证。看 许可证 了解详情。

相关 MCP