quillman

Q: Windows 上激活虚拟环境失败怎么办？

改用 Windows 的激活脚本：在 PowerShell 中执行 .venv/Scripts/Activate.ps1，或使用 .venv/Scripts/activate.bat。

语音进、对话出，快速搭一个能说话的 AI 助手

开源 🏷️定价信息待确认 🔧 仅开源项目，无在线服务，需自行部署对话助手 🍴 复刻 161 🐛 待处理 4 👀 关注 13

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1215

维护状态较活跃

是否开源开源

定价模式 🏷️定价信息待确认

项目预览

项目数据

分类对话助手

开发团队modal-labs

官网地址https://modal.com/docs/examples/llm-voice-chat

GitHubhttps://github.com/modal-labs/quillman

定价模式🏷️定价信息待确认

价格说明定价信息待确认

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

技术栈/模型ai,language-model,python,serverless,speech-recognition,speech-to-text

GitHub 星标★ 1215

上线时间2023-04-19 00:00:00

代码更新2026-10-30

仓库体积4.4 MB

本站数据更新2026-11-10

维护状态较活跃

收录时间2026-11-10

浏览次数0

项目介绍

quillman 是一个用 Python 编写的开源语音对话应用，目标是把语音识别、语言模型和对话服务串成一条完整的语音聊天链路。它解决的是开发者从零搭建语音助手时，需要分别对接语音转文字、大模型推理和会话管理的问题。核心能力包括：接收用户语音输入并调用语音识别服务转为文本，把文本交给语言模型生成回复，再以对话形式返回结果；项目采用 serverless 架构思路，便于按需部署和弹性伸缩，降低运维成本。技术栈覆盖 AI、语言模型、语音识别与语音转文字，适合作为语音问答、语音助手原型或对话式交互实验的起点。代码以 Python 为主，便于二次开发和接入自有模型或识别服务。项目星标约 1200，处于成长阶段，适合想快速验证语音对话产品形态的开发者参考和改造。

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 2026-11-10 · 当前星标 ★ 1215

技术标签

ai language-model python serverless speech-recognition

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门约 10 分钟部署方式：云服务 6 步

环境要求

本地 Python 环境，并能在其中创建虚拟环境
在当前 Python 虚拟环境中安装 modal
拥有可用的 Modal 账号（用于部署后端与前端服务）
浏览器需允许使用麦克风，用于语音对话

安装与启动步骤

1克隆项目仓库

把 GitHub 上的 quillman 源码下载到本地，后续部署命令都在仓库根目录执行。
```
git clone https://github.com/modal-labs/quillman.git
```
2创建虚拟环境

进入项目目录并创建独立的 Python 虚拟环境，避免污染系统环境。
```
cd quillman
python3 -m venv .venv
```
3激活虚拟环境

激活后安装的 modal 才会装进当前环境；Windows 下改用另一条命令。
```
source .venv/bin/activate
```
4安装 modal

README 要求在当前 Python 虚拟环境中安装 modal，这是唯一的依赖项。
```
pip install modal
```
5部署应用

一条命令同时部署前端服务器和 Moshi websocket 服务器，模型推理在 Modal 上运行。
```
modal deploy src.app
```
6打开部署地址验证

部署完成后终端会输出应用 URL，用浏览器打开即可进入语音聊天页面。