rayenfeng/riko_project

解决的问题

许多 AI 伙伴感觉很死板或依赖云服务，且难以定制。Riko 提供了一个紧凑的开源基础（不到 500 行代码），其个性、语音和外观均可通过单个配置文件进行控制。它将标准的聊天脚本转化为一种实体存在：您大声说话，她大声回答，并且她的 3D 虚拟形象会同步移动嘴唇，这一切都在您自己的电脑上完成。

工作原理

核心循环是：按下 Enter 开始录音，说话，再次按下 Enter 停止。语音通过本地的 Faster-Whisper 或在线的 Groq Whisper 转换为文本。该转录内容发送至 OpenAI GPT（任意模型，默认为 gpt-4.1-mini）生成回复。回复通过 GPT-SoVITS（本地语音克隆）或 Fish Audio（云端语音）转换为语音片段。最后，浏览器中显示的 VRM 虚拟形象使用 three.js 和 three-vrm 播放该片段并同步口型。每个步骤都在独立的文件中（asr.py, llm.py, tts.py, viewer.py），main.py 在循环中运行该序列。对话历史记录存储在 chat_history.json 中，以便她能记住之前的对话。

适用人群

此开源版本旨在为那些希望拥有一个简洁、可读的基础代码库，以便定制属于自己的 AI 伙伴的开发者和爱好者提供支持。它需要一定的终端操作能力（uv 和 Python），以及 OpenAI（可选 Fish Audio 或 Groq）的 API 密钥。它支持 Windows 10/11 或安装了 Python 3.11+ 的 Linux 系统。如果您更喜欢无代码体验或想要最新功能，README 中提供了付费选项（Patreon 上的完整源码或桌面应用程序）。

特点

• 按键通话语音输入：按下 Enter，说话，再次按下 Enter。
• 使用本地 Faster-Whisper 或云端 Groq 进行语音转文本。
• 由 OpenAI GPT 提供回复，支持您选择的任何模型。
• 使用 GPT-SoVITS（本地语音克隆）或 Fish Audio（云端）生成语音。
• 浏览器中的 VRM 虚拟形象支持口型同步；拖动旋转，右键拖动移动，滚动缩放。
• 所有个性、虚拟形象和语音设置均在一个 YAML 文件 (character_config.yaml) 中。
• 设置检查器，可报告缺失的密钥、服务器或文件。
• 总代码库不到 500 行，采用 MIT 许可。
• 聊天记录保存到您控制的文件中。