sosoj92/jarvis-assistant-vocal · 上手攻略

• 仓库：sosoj92/jarvis-assistant-vocal
• 链接：https://github.com/sosoj92/jarvis-assistant-vocal
• 分类：ai · voice-assistant
• 作者：Tom
• 更新：2026-08-14

这是什么

一款在本地运行的法语语音助手，唤醒词「Hey Jarvis」后自然对话，由 LLM 驱动工具链，支持云端（Claude + ElevenLabs）和 100% 离线（Ollama + Piper）两种模式。所有集成均可按需配置，无需一次性全部启用。

解决什么问题

家庭用户需要一个无需联网、不被服务商绑定的语音助手，能控制智能家居、操作电脑、查日历回邮件——同类开源方案多停留在"播放音乐"层级，缺乏真正可扩展的工具调用能力。Jarvis 将完整的多工具链与本地推理结合，同时提供云端高性能选项。

快速安装

环境要求：Windows 11，Python 3.13，麦克风。GPU 为可选配置（RTX 2060/3060 6 GB 以上可同时跑 Whisper medium + Ollama qwen3.5）。

# 安装依赖（推荐 uv 包管理器）
uv sync

# 安装 Playwright 浏览器（用于网页操作/预约功能）
uv run playwright install chromium

# 复制配置模板并填写
copy config.example.yaml config.yaml

# 启动
uv run python jarvis14.py

最低配置：只要填 anthropic.clé（云端）或指定本地模型名称（离线模式），其余全部可选。

新手安装：项目内置 INSTALL_WITH_AI.md，丢给任意免费 AI 聊天机器人即可全程指导安装，无需任何技术背景。

诊断工具：

uv run python scripts/doctor.py    # 检查依赖/模型推荐/配置完整性
uv run python scripts/setup.py    # 交互式安装向导

核心用法

语音交互

「Hey Jarvis」→ Jarvis 聆听 → 本地 faster-whisper 转写 → LLM 推理 → 调用工具 → Piper/ElevenLabs 语音回答

配置文件 config.yaml 核心字段

# 模式：cloud（默认）/ local / hybride / qualite
mode: cloud

# 云端
anthropic:
  clé: sk-ant-xxxx    # 必填（cloud 模式）

# 本地模式
llm:
  provider: ollama
  model: qwen3.5:4b   # 推荐，Q4 量化约 3 GB VRAM

# TTS
tts:
  provider: piper      # 本地 CPU 实时
  # provider: elevenlabs  # 云端（需密钥）

工具链示例

Philips Hue 灯光控制：

「Hey Jarvis，开客厅灯，亮度 60%，暖白色」

OBS 直播控制：

「Hey Jarvis，开始录制」
「切换到场景：开场」
「给我回放最近 30 秒」

日历管理：

「Hey Jarvis，查一下明天的日程」
「帮我创建一个周三下午 3 点的会议：Q3 评审」

iPhone 远程（通过 Raccourcis 捷径）：

手机 Siri 说「告诉 Jarvis 关灯」，无需打开任何 App。

MCP 服务器

Jarvis 内置 MCP 服务端，向其他 MCP 客户端（Claude Desktop、Helios 等）暴露Domotique/PC 控制工具：

# config.yaml
serveur:
  enabled: true
  port: 8765

典型适用场景

• 家庭自动化中枢：一句话控制 Hue 灯光、空调、摄像头，配合 Presence 检测（离家/回家自动触发场景）
• 内容创作者工作流：配合 OBS 录制/转场 + Hub de Contenu 内容库管理视频制作流水线（创意 → 脚本 → 拍摄 → 发布）
• 隐私敏感用户：100% 本地模式，所有语音数据不离开设备（Whisper + Ollama + Piper）
• 法国语用户：项目默认法语界面和语音反馈，非法语用户需自行改 TTS/Prompt

坑与注意

⚠️ Windows only：项目明确面向 Windows 11，macOS/Linux 需自行适配（主要是路径和部分依赖）。

⚠️ 本地模式质量折损：文档坦承 qwen3.5 7B 处理复杂 domotique 命令尚可，但浏览器视觉理解和网页预约建议保持云端。离线模式不是全功能等价替代。

⚠️ 安全分级：工具按 N1/N2/N3 分级，N3（关机/发邮件/打电话/预约）每次都要语音确认，从不记忆授权，远程 iPhone 只能执行 N1 操作。

⚠️ Twilio / Instagram 需要真实凭证：集成本身不收费，但 Twilio 按通话分钟计费，Instagram API 需 Meta 审核。

⚠️ 游戏耳机兼容性问题：部分游戏耳机的虚拟麦克风与 openWakeWord 冲突，需要在系统音频设置中切换到物理麦克风。

⚠️ 语音合成延迟： Piper 本地 TTS 实时但 ElevenLabs 云端质量更高；流式逐句 TTS 仍在路线图（尚未实现）。

与同类对比

Jarvis-assistant-vocal 的差异化在于：工具链的广度（Domotique + PC + 预约 + 内容管理）和 本地 LLM + 本地 STT + 本地 TTS 的全链路离线，同类开源方案通常只做到其中一两项。

一句话推荐结论

法语家庭用户的最佳本地语音助手方案，工具链完整，隐私优先；非法语用户可将 Piper 替换为其他 TTS 引擎作为参考架构。

⚠️ 版本说明：本文基于 2026-08-14 日 GitHub 主分支。Python 3.13、uv、faster-whisper、openWakeWord、Piper 等依赖版本请以 pyproject.toml / requirements.txt 为准，文档中硬件要求（6 GB VRAM 跑 Whisper medium + qwen3.5:4b）为作者实测参考值，因模型量化版本不同可能略有浮动。