
dsh-voice-ai-girlfriend
给 DeepSeek 装上会说话、能打断的语音女友
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-09-23 · 当前星标 ★ 978
使用教程
⚠ 本教程由 AI 依据该项目 README 整理;原始文档不完整,部分步骤为通用流程推断,实际安装请以项目官方文档为准。
⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。
环境要求
- Windows 10/11
- NVIDIA GPU(建议 12G+)
- WSL2
- Node.js 20+
安装与启动步骤
-
1准备 Node 侧
前端与 agent 是 pnpm 工程。
npm install -g pnpm git clone https://github.com/beiyege-01/dsh-voice-ai-girlfriend.git cd dsh-voice-ai-girlfriend && pnpm install -
2建语音环境
ASR 与 TTS 各一套依赖,装到独立 venv。
python -m venv venv-speech venv-speech\Scripts\activate pip install -r bridge\requirements.txt -
3下语音模型
ASR 走 ModelScope,TTS 单独下一个。
pip install modelscope python -c "from modelscope import snapshot_download; snapshot_download('iic/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch')" -
4起语音服务
Windows 常用 WSL 起 OmniVoice,再让桥接连过去。
wsl -d Ubuntu-22.04 -- bash ~/omnivoice-wsl/start_server.sh
如何确认成功
点麦克风说话后能听到语音回复,且虚拟形象有口型动作。
注意事项
- 链路长(ASR → LLM → TTS → 口型),任一环失败都表现为没反应,按日志逐段排查。
- 依赖含第三方 harness,安装体积大,磁盘留 30G 以上。
- 国内装依赖建议加清华源。
核心亮点
- Whisper 语音输入 + Qwen3-TTS 声音克隆,可定制专属音色
- 句子级流式朗读,首句响应快,不用等整段生成完
- 插话/排队双模式,说话即打断,交互接近真人对话
不足之处
- 强依赖 DeepSeek Harness 生态,脱离 DSH 难以独立使用
- 声音克隆与 TTS 推理对本地算力有要求,低配设备延迟明显
- 早期项目,文档和社区案例较少,踩坑需自行读源码
适用场景
- 本地部署语音 AI 伴侣,日常闲聊陪伴
- 给数字人/虚拟主播做实时语音驱动演示
- 为 DSH 智能体快速接入语音输入输出能力
替代项目
Open-LLM-VTuber、browser-use、GPT-SoVITS
上一篇:AlphaAvatar
下一篇:xiaokeai
同类项目推荐
Linly-Talker-Stream
开源
让数字人像真人一样边听边说、随时插话
Linly-Talker-Stream: Real-Time Streaming Conversational Digital Human System —— Fu···
DIMO
开源
给任意3D物体一键生成多种自然运动,动画制作快人一步
[ICCV 2025 (Highlight)] DIMO: Diverse 3D Motion Generation for Arbitrary Objects
CityDreamer4D
开源
从单图生成无限动态 4D 城市,用于仿真与创作
The official implementation of "Compositional Generative Model of Unbounded 4D Citie···
kimodo
开源
扩散模型一键生成自然人体动作序列
Official implementation of Kimodo, a kinematic motion diffusion model for high-quali···
VIST3A
开源
用视频生成器拼接出3D模型,文本秒变立体资产
[ICLR 2026 oral] Official code for VIST3A: Text-to-3D by Stitching a Multi-view Reco···
stable-dreamfusion
开源
一句话生成 3D 模型,从文本或图片到可导出网格
Text-to-3D & Image-to-3D & Mesh Exportation with NeRF + Diffusion.
perso-interactive-ondevice-sdk-s···
开源
在你的 iPhone 里养个数字人,断网也能聊。
Interactive SDK for Conversational AI Avatar on Apple platforms
懒得录口播?一句话让数字人替你出镜。
Talking Avatar: create video from plain text or audio file in minutes, support up t···
给动漫形象装上嘴巴,开口就能问答当客服。
Live2D/VRM voice AI avatar with lip sync, knowledge base, operations dashboard, sup···