用 Rust 写一个最小的本地语音智能体
来源：samkhawase.com — 2026-10-09
📋 概述
作者写了一个完全本地、低延迟的语音智能体 voxlocal：macOS 上的 Rust 命令行工具，用 Whisper 做识别、Piper 做合成，管线刻意避开复杂的异步流与语音活动检测，以保持每一步可检视。典型流程是录音、Whisper 转写、规则清洗填充词与数字读音、检索匹配上下文、LLM 预测动作、普通 Rust 代码执行工具调用，最后合成语音回放。作者强调这只是实验，不要用于生产。
🔑 核心要点
- 是完全本地运行的 macOS Rust 命令行工具，定位为实验性质
- 用 Whisper 做语音识别、Piper 做语音合成，其余自己写
- 刻意回避复杂的异步流与语音活动检测，让管线每一步都可检视
- 管线：录音、转写、规则清洗填充词与数字读音、检索、LLM 预测动作、Rust 执行、合成
- 检索用余弦相似度比较文本的数值表示
- 用 greedy 解码加 temperature 0，因为场景受限、对话已知
💡 金句
我抱着做实验的心态，用最朴素的组件和微模型，只为尽可能接近那点魔法。
👍 0
👎 0
← 返回 Lobsters 首页