制作离线万圣节说话盒子：多模态与语音模型实战
breksyt · reddit · 2026-08-21
作者分享了一个完全离线的对话式万圣节道具项目（Frustrated Box）。技术栈使用 Raspberry Pi 配合 ReSpeaker 麦克风阵列（Silero VAD + pipecat），外加一台 Linux 机器提供 GPU 算力（faster-whisper 识别、Kokoro 语音合成、Llama3.1 对话）。作者遇到的两个主要问题是：多人对话时 Silero VAD 和 faster-whisper 容易混淆；Kokoro 的语音语调不够自然，寻求更具语境韵律感的 TTS 模型推荐。
「编程与Agent」频道最新
- Langship：像 Terraform 一样部署 AI Agent 的开源工具 — Many_Audience7660 · 2026-08-21
- AI Agent 到底需要多少运营上下文？数字孪生或是解法 — Different_Pain5781 · 2026-08-21
- 构建生产级持久化 Agent 的五种架构模式 — bibryam · 2026-08-21
- AI 自主编程 22 天：改造 180 万行代码库实录 — nodo48 · 2026-08-21
- 观点：一个强 Agent 加 Reviewer 或胜过五人组 — triumph-1701 · 2026-08-21
- 为什么不用 Git 管理 agent 定义？社区讨论版本化实践 — Many_Audience7660 · 2026-08-21