人工智能AI AgentMCP 服务工具调用GUI 自动化语音数字人交互助手【免费下载链接】airi 自托管、归你拥有的 Grok 风格 AI 伴侣与 waifu / 赛博生命灵魂容器目标是接近 Neuro-sama 的高度支持实时语音聊天、Minecraft 和 Factorio 游玩支持 Web / macOS / Windows。项目地址https://gitcode.com/moeru-ai/airi点击查看免费下载本文基于 Project AIRI 官方 Web 版手册docs/content/en/docs/manual/web/index.md整理而成并结合仓库源码补充实现细节。你将学会在浏览器中首次启动 AIRI、选择并验证聊天提供商与模型、完成首次对话以及如何开启 TTS 语音输出、ASR 语音输入等交互能力最后掌握角色卡Character Card的切换与自定义。首次启动选择语言与接入方式在浏览器中打开 AIRI Web 版后界面右上角有一个地球globe按钮可以随时切换界面语言。首次使用时你有两种接入方式可选Setup with your provider使用你自己的大模型 API 提供商推荐自托管场景。Sign in登录并使用 AIRI 官方提供商official provider无需自行准备 API Key。从仓库的引导流程测试 onboarding.browser.test.ts 可以看到这两个入口分别触发官方登录与自带提供商两条配置路径Sign in按钮走认证登录Setup with your provider则进入提供商选择卡片其中OpenAI Compatible是测试覆盖的典型选项const providerCard screen.getByText(OpenAI Compatible)。无论走哪条路径最终配置结果都会持久化到本地localStorage键为settings/providers/configured下次打开会自动回填表单。选择 Chat 提供商点击Setup with your provider后进入提供商选择界面。可直接选择官方列表中的聊天提供商例如OpenAIDeepSeekOllama本地部署如果你的服务实现了 OpenAI API 协议但不在预设列表中请选择OpenAI Compatible然后分别填写API Key提供商签发的访问令牌粘贴完整 key不要加引号或多余空格Base URL该服务文档中记录的基础接口地址。下图是手册中给出的 API 配置示例截图以 SiliconFlow 为例展示 OpenAI Compatible 形式下 API Key 与 Base URL 的填写位置关于这些通用字段的取值规范仓库的通用配置指南 common.md 有更完整的说明远程服务一律使用https://仅在可信的本地服务上使用http://Base URL 需要与提供商官方文档逐字符比对否则验证会失败。选择模型并保存选定提供商后从模型列表中选择一个兼容的聊天模型然后点击Save and Continue完成向导。提示推理模型Reasoning models的响应耗时通常更长。如果你更看重对话速度可以选择非推理模型。模型选择与提供商配置是两个独立步骤Providers 页面负责保存凭据Modules 页面的模型列表才决定实际使用的模型。AIRI 会在切换提供商后自动重新拉取该提供商的模型目录providerModels与isLoadingModels状态详见 provider.ts 中的模型列表逻辑。开始第一次对话配置完成后在主页底部的聊天输入框中输入文本并发送AIRI 就会基于你选择的模型进行回复。对话会话由chatstore 管理chat.ts发送的消息会携带当前角色卡与模块上下文进入对话流程。让 AIRI 拥有眼睛、耳朵和嘴巴除了纯文本对话AIRI Web 版还支持语音合成说话、语音识别听等交互能力。这些能力分为提供商配置与模块启用两步入口统一在右上角Settings → Modules。让 AIRI 说话TTS打开Settings → Providers → Speech选择一个语音提供商并填写凭据打开Settings → Modules → Speech选择刚才配置的提供商、模型model和音色voice。从源码看语音模块speech.ts是 Web 版语音能力的核心 store值得了解的实现细节包括配置项持久化activeSpeechProvider、activeSpeechModel、activeSpeechVoiceId分别持久化在settings/speech/active-provider、settings/speech/active-model、settings/speech/voice三个 localStorage 键中额外调节参数pitch音高默认 0、rate语速默认 1、ssmlEnabledSSML 开关默认关闭SSML 支持目前仅 ElevenLabs、Microsoft Speech、Azure Speech以及阿里云 cosyvoice-v2alibaba-cloud-model-studio等提供商支持 SSML 语法supportsSSML计算属性语音目录动态加载切换提供商或模型时会通过loadVoicesForProvider拉取对应音色列表availableVoices并根据模型重新推荐默认音色合成链路最终通过generateSpeech来自xsai/generate-speech发起 TTS 请求对双向 WebSocket 传输的流式提供商如官方流式 TTS则走streamSpeech流式管线streaming-pipeline.ts。启用语音输入ASR/STT打开Settings → Providers → Transcription选择转写提供商并填写凭据打开Settings → Modules → Hearing选择提供商与模型并选择一个可用的麦克风返回主页点击麦克风按钮即可打开听力Hearing控制面板。听力模块hearing.ts的实现要点配置持久化activeTranscriptionProvider/activeTranscriptionModel持久化在settings/hearing/active-provider、settings/hearing/active-model自动发送autoSendEnabled默认关闭与autoSendDelay默认 2000ms控制识别文本是否自动作为消息发出置信度过滤confidenceThreshold用于按verbose_json分段的平均对数概率avg_logprob过滤低置信度文本CONFIDENCE_THRESHOLD_DISABLED -3表示关闭过滤实时与文件双模式支持流式输入inputAudioStreamPCM16 编码与录音文件WAV两种转写输入Web Speech API、Sherpaw、Apple Speech、阿里云 NLS 等走STREAM_TRANSCRIPTION_EXECUTORS注册的流式执行器浏览器内置方案选择browser-web-speech-api时无需模型即可直接使用浏览器语音识别能力configured恒为 true。两种能力的完整配置与排错流程可进一步阅读仓库中的 audio.md语音输入输出总览与各提供商的专项文档例如 speech/openai.md、transcription/openai.md。视觉捕获目前仅限桌面版屏幕与窗口捕获Vision Capture目前仅在Desktop 版可用Web 版暂不支持。若需为 AIRI 配置视觉理解能力请参见视觉提供商与模型配置vision.md桌面版 Vision Capture 工作流见该文档中的桌面开发者工具指引视觉模块在 Web 侧仍可通过 vision.ts 配置提供商与模型如图像理解模型、捕获间隔 Capture interval但实际的屏幕帧采集入口仅在桌面端System → Developer → Vision Capture提供。角色卡定义 AIRI 的身份与行为AIRI 内置了一张名为ReLU的角色卡其立绘素材见 relu.avif。你可以使用主页右上角的角色切换器在不同角色间切换或在Settings中管理创建、编辑、删除、搜索角色卡。角色管理页面位于 Web 端设置中心apps/stage-web/src/pages/settings/characters/index.vue提供关键词搜索按角色的英文名与描述过滤、新建角色、编辑与删除等操作删除需要二次确认。角色卡内容一张角色卡定义 AIRI 的name名字description描述personality性格scenario场景设定greetings开场问候语这些字段共同决定了 AIRI 的身份与行为风格。从角色卡 storeairi-card.ts的系统提示词拼装逻辑可以看到systemPrompt、description、personality、scenario以及 Artistry 模块的widgetInstruction会被依次拼接以空行分隔作为发送给模型的系统提示词resolveSystemPrompt因此这几项内容会直接影响每次对话的上下文。角色卡设置与模块偏好角色卡不仅可以描述身份还能存储模块偏好——例如某个角色偏好使用特定的语音提供商、音色、模型选择。因此切换配置文件时可以同时切换角色及其关联的模型选择实现角色 × 模型 × 语音的一体化切换。这在实现层面由两处状态共同支撑airi-card-active-id当前激活的角色卡 ID默认defaultairi-card-module-defaults各模块speech、hearing、vision、artistry、consciousness 等的默认选择快照切换角色卡时会以该快照覆盖运行时模块设置。应用卡片时会通过resolveModuleSelection把卡片内嵌的模块选择应用到各运行时 storeuseRuntimeModuleStores中注册了 artistry、consciousness、speech、stageModel、vision 五个模块实现切卡即切配置。配置验证与常见排查配置完成后可按以下顺序验证链路是否可用详细字段与排错步骤见 common.md聊天在输入框发送消息确认模型正常回复语音输出进入 Speech 模块点击播放预览音色无声音时依次检查提供商/模型/音色是否已选、系统输出设备与音量、API Key 与账户额度语音输入在 Hearing 模块点击Start Monitoring后说一句短句确认识别区出现对应文字无输出时检查麦克风权限与输入设备选择视觉桌面版捕获一个不含敏感信息的窗口触发一次视觉分析确认 AIRI 能收到画面描述。如果验证失败通用排查顺序为确认账户有额度/配额 → 重新复制 API Key去掉首尾空格与换行→ 恢复默认 Base URL 并与官方文档比对 → 确认网络、代理、防火墙可达 → 选择提供商明确支持且支持图像输入的模型不要用显示名当模型 ID。结语至此你已经掌握 AIRI Web 版从首次启动、接入任意 OpenAI 兼容聊天提供商、完成首次对话到开启 TTS 语音输出与 ASR 语音输入、以及基于角色卡切换角色 模型 语音配置的完整路径。更深入的提供商专项配置Speech / Transcription / Vision / Artistry 等可继续阅读 docs/content/en/docs/manual/config/index.md 目录下的各提供商文档。赞分享人工智能AI AgentMCP 服务工具调用GUI 自动化语音数字人交互助手【免费下载链接】airi 自托管、归你拥有的 Grok 风格 AI 伴侣与 waifu / 赛博生命灵魂容器目标是接近 Neuro-sama 的高度支持实时语音聊天、Minecraft 和 Factorio 游玩支持 Web / macOS / Windows。项目地址https://gitcode.com/moeru-ai/airi点击查看免费下载相关推荐AIRI Web 版快速上手指南聊天提供者配置、语音交互与角色卡片实战AIRI Web 版快速上手指南聊天提供者配置、语音交互与角色卡片实战 本篇技术指南围绕 AIRI 项目的 Web 版使用流程展开讲解从首次启动、语言切换、人工智能AI AgentMCP 服务工具调用GUI 自动化语音数字人交互助手后端AIRI 语音合成接入指南配置 OpenAI 兼容 TTS 服务提供商AIRI 语音合成接入指南配置 OpenAI 兼容 TTS 服务提供商 本文介绍如何在 AIRImoeru ai/airi中将任何实现 OpenAI Sp人工智能AI AgentMCP 服务工具调用GUI 自动化语音数字人交互助手后端AIRI 网页版上手指南从配置大脑到语音交互与角色卡定制AIRI 网页版上手指南从配置大脑到语音交互与角色卡定制 本文导读 本文以 AIRI 官方网页版手册为主线完整讲解网页版从零起步的完整流程——先为 A人工智能AI AgentMCP 服务工具调用GUI 自动化语音数字人交互助手后端上一篇BetterNCM插件管理器5步解决网易云音乐功能扩展难题下一篇AI-HF_Patch终极指南3步让AI-Shoujo游戏体验提升300%的秘密创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考