xikhar/persona

解决的问题

Persona 为桌面上的语音 AI 助手提供视觉身份。它通过创建一个实时、富有表现力的 3D 角色头像，使其能够对其他应用程序的音频输出做出反应，从而解决了“隐形”语音交互的问题，使交互感觉更具身性和在场感。

工作原理

Persona 是一个跨平台桌面应用程序，它监听系统的音频输出（在 Linux 上通过 PipeWire，在 Windows 上通过 WASAPI，在 macOS 上通过 Core Audio）来检测 AI 助手何时在说话。它使用 .vrm 和 .vrma 文件来渲染一个 3D 角色，该角色根据音频活动执行“Idle（空闲）”和“Speaking（说话）”动画。它可以通过模型上下文协议（MCP）服务器与 AI 代理集成，允许代理触发特定的自定义动画或控制头像的可见性。

适用人群

希望为本地或基于云的语音 AI 堆栈提供视觉伴侣的用户，以及希望为用户提供具体、富有表现力的桌面视觉存在感的 AI 代理开发者。

亮点

• 跨平台支持：支持 Windows、macOS 和 Linux。
• 音频响应：自动检测所选进程的语音输出以触发说话动画。
• MCP 集成：允许连接的 AI 代理触发特定动画并报告头像的状态。
• 可定制头像：支持导入自定义的 .vrm 模型和 .vrma 动画。
• 桌面宠物行为：包含“点击穿透”模式，头像可以悬浮在其他窗口之上而不阻挡交互。
• 光标跟踪：角色的眼睛和头部可以跟踪鼠标指针。