Apple Silicon 本地化 AI 代理：Parakeet STT 与 Kokoro TTS 实现低延迟语音交互
摘要
本文介绍了一种在 Apple Silicon 设备上实现 AI 代理完全本地化语音交互的方案。通过集成 Parakeet STT 和 Kokoro TTS，实现了低延迟的语音识别和合成，消除了对云服务的依赖。这种方式极大地提升了 AI 代理的使用便捷性，使用户可以随时随地通过语音进行交互。文章还提及了集成 3D 虚拟化身以增强交互的自然感，并邀请社区分享类似的本地化语音管线经验。
正文
作者在 Mac Mini M4 上运行 AI 代理（OpenClaw + Claude）两周后，为实现完全本地化且快速的语音交互，集成了 Parakeet STT（语音转文本）和 Kokoro TTS（文本转语音）到 Apple Silicon 设备上。Parakeet 的转录速度约为 240 毫秒，Kokoro 的响应几乎瞬时，从而消除了语音层对云的依赖。
这种语音交互方式极大地提升了用户体验，使作者能够摆脱固定在办公桌前，可以在任何地方（阳台、遛狗时、沙发上）通过语音与 AI 代理进行交互，处理游戏部署、服务器监控、社交媒体等日常任务。
作者还分享了一个有趣的细节：由于希腊口音，STT 有时会错误识别代理的名称，代理甚至会像《哈利·波特》中的赫敏一样纠正用户：“是 Niko，不是 Nico！”
此外，作者还开发了一个名为 Mimora 的 3D 虚拟化身浏览器扩展，可以在代理响应时显示面部表情（倾听、思考、高兴），使整个交互过程更加自然。
作者邀请社区分享其他本地化语音管线（STT/TTS 组合）的经验，并提供了完整的设置文档链接：https://myclaw.tech 以及包含截图的推文链接：https://x.com/PlayingInCanvas/status/2021529883919405297。