izwi-ai/izwi

它是什么： Izwi 是一个本地优先的语音 AI 工具包。它是一个单一项目，集成了桌面应用、Web 界面、命令行工具 (CLI) 和本地推理服务器。它完全在您自己的机器上运行——无需云服务或 API 密钥。

它的功能：

• 实时语音对话： 使用本地语音识别 (ASR)、聊天和文本转语音 (TTS) 模型，让您可以与 AI 对话。
• 语音生成与编辑： 文本转语音、长文本 Studio 项目、语音克隆、语音设计和已保存的语音。
• 音频分析： 转录、说话人日志（识别谁在何时说话）、强制对齐（将文本与音频时间戳匹配）以及实时语音转文字。
• 本地聊天与模型管理： 与本地模型聊天、下载/加载/卸载/删除模型、查看历史记录、导出数据以及调整设置。
• 兼容 OpenAI 的 API： 它为模型、聊天补全、音频语音、音频转录和预览响应支持提供了 /v1 API 路由。这意味着为 OpenAI API 构建的现有工具可以指向 Izwi。

工作原理： 您可以使用 izwi serve --mode web 启动本地服务器，然后使用 CLI 拉取模型（例如 izwi pull Kokoro-82M）并运行任务，如 izwi tts "Hello from Izwi." 或 izwi transcribe audio.wav。Web 应用随后可在 http://localhost:8080 访问，API 参考位于 /docs。

支持的模型： 它管理着一系列模型系列，包括 TTS (Qwen3-TTS, Kokoro-82M, Voxtral TTS 等)、ASR (Parakeet, Whisper, Qwen3-ASR 等)、说话人日志/对齐 (Sortformer, Qwen3 ForcedAligner) 和聊天 (Qwen3.5, Qwen3.6 等)。

隐私与硬件： 推理数据保留在本地。可选的匿名桌面分析功能默认禁用，除非明确选择加入，且绝不会发送提示词、转录内容、音频负载、本地路径或个人标识符。macOS Apple Silicon 构建版本使用 Metal；Linux 和 Windows 发布版本仅支持 CPU；CUDA 支持通过 Docker 或源码构建实现。

技术栈： 使用 Rust 构建（Cargo 二进制文件如 izwi-cli 和 izwi-server），并使用 Tauri 作为桌面外壳。采用 Apache 2.0 许可。