[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-AlexandreSajus--JARVIS":3,"tool-AlexandreSajus--JARVIS":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",140436,2,"2026-04-05T23:32:43",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":80,"owner_email":81,"owner_twitter":82,"owner_website":83,"owner_url":84,"languages":85,"stars":94,"forks":95,"last_commit_at":96,"license":97,"difficulty_score":23,"env_os":98,"env_gpu":98,"env_ram":98,"env_deps":99,"category_tags":108,"github_topics":109,"view_count":114,"oss_zip_url":82,"oss_zip_packed_at":82,"status":16,"created_at":115,"updated_at":116,"faqs":117,"releases":148},981,"AlexandreSajus\u002FJARVIS","JARVIS","Your own personal voice assistant: Voice to Text to LLM to Speech, displayed in a web interface","JARVIS 是一款个人语音助手，可以将语音转换为文字、通过大型语言模型生成回复，并将回复转化为语音播放，同时在网页界面中展示对话内容。它解决了用户与智能助手交互的便捷性问题，让语音操作变得更加自然和直观。\n\n这款工具特别适合开发者和研究人员使用，尤其是那些对语音识别、自然语言处理和语音合成技术感兴趣的用户。借助 JARVIS，开发者可以快速搭建一个功能完整的语音助手原型，用于实验或实际项目。普通用户如果具备一定的技术基础，也可以尝试部署并体验个性化的语音助手服务。\n\nJARVIS 的独特之处在于其模块化设计：它利用 Deepgram 实现精准的语音转文字，借助 OpenAI 的 GPT-3 API 生成高质量的回复，并通过 ElevenLabs 提供逼真的语音合成效果。整个对话过程还会实时显示在网页界面上，方便用户查看历史记录和交互细节。这种多技术栈的整合不仅提升了用户体验，还为开发者提供了灵活的扩展能力。\n\n如果你希望探索语音助手的应用场景，或者需要一个强大的工具来辅助日常工作和学习，JARVIS 将是一个值得尝试的选择。","# JARVIS\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FAlexandreSajus_JARVIS_readme_29ee10c438f1.png\" alt=\"JARVIS helping me choose a firearm\" width=\"100%\"\u002F>\n\u003C\u002Fp>\n\nYour own voice personal assistant: Voice to Text to LLM to Speech, displayed in a web interface.\n\n## How it works\n\n1. :microphone: The user speaks into the microphone\n2. :keyboard: Voice is converted to text using \u003Ca href=\"https:\u002F\u002Fdeepgram.com\u002F\" target=\"_blank\">Deepgram\u003C\u002Fa>\n3. :robot: Text is sent to \u003Ca href=\"https:\u002F\u002Fopenai.com\u002F\" target=\"_blank\">OpenAI\u003C\u002Fa>'s GPT-3 API to generate a response\n4. :loudspeaker: Response is converted to speech using \u003Ca href=\"https:\u002F\u002Felevenlabs.io\u002F\" target=\"_blank\">ElevenLabs\u003C\u002Fa>\n5. :loud_sound: Speech is played using \u003Ca href=\"https:\u002F\u002Fwww.pygame.org\u002Fwiki\u002FGettingStarted\" target=\"_blank\">Pygame\u003C\u002Fa>\n6. :computer: Conversation is displayed in a webpage using \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FAvaiga\u002Ftaipy\" target=\"_blank\">Taipy\u003C\u002Fa>\n\n## Video Demo\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fyoutu.be\u002FaIg4-eL9ATc\" target=\"_blank\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FAlexandreSajus_JARVIS_readme_207d24747398.png\" alt=\"Youtube Devlog\" width=\"50%\"\u002F>\n  \u003C\u002Fa>\n\u003C\u002Fp>\n\n## Requirements\n\n**Python 3.8 - 3.11**\n\nMake sure you have the following API keys:\n- \u003Ca href=\"https:\u002F\u002Fdevelopers.deepgram.com\u002Fdocs\u002Fauthenticating\" target=\"_blank\">Deepgram\u003C\u002Fa>\n- \u003Ca href=\"https:\u002F\u002Fplatform.openai.com\u002Faccount\u002Fapi-keys\" target=\"_blank\">OpenAI\u003C\u002Fa>\n- \u003Ca href=\"https:\u002F\u002Felevenlabs.io\u002Fdocs\u002Fapi-reference\u002Ftext-to-speech\" target=\"_blank\">Elevenlabs\u003C\u002Fa>\n\n## How to install\n\n1. Clone the repository\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FAlexandreSajus\u002FJARVIS.git\n```\n\n2. Install the requirements\n\n```bash\npip install -r requirements.txt\n```\n\n3. Create a `.env` file in the root directory and add the following variables:\n\n```bash\nDEEPGRAM_API_KEY=XXX...XXX\nOPENAI_API_KEY=sk-XXX...XXX\nELEVENLABS_API_KEY=XXX...XXX\n```\n\n## How to use\n\n1. Run `display.py` to start the web interface\n\n```bash\npython display.py\n```\n\n2. In another terminal, run `jarvis.py` to start the voice assistant\n\n```bash\npython main.py\n```\n\n- Once ready, both the web interface and the terminal will show `Listening...`\n- You can now speak into the microphone\n- Once you stop speaking, it will show `Stopped listening`\n- It will then start processing your request\n- Once the response is ready, it will show `Speaking...`\n- The response will be played and displayed in the web interface.\n\nHere is an example:\n\n```\nListening...\nDone listening\nFinished transcribing in 1.21 seconds.\nFinished generating response in 0.72 seconds.\nFinished generating audio in 1.85 seconds.\nSpeaking...\n\n --- USER: good morning jarvis\n --- JARVIS: Good morning, Alex! How can I assist you today?\n\nListening...\n...\n```\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FAlexandreSajus_JARVIS_readme_c02f42a6e813.png\" alt=\"Saying good morning\" width=\"80%\"\u002F>\n\u003C\u002Fp>","# JARVIS\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FAlexandreSajus_JARVIS_readme_29ee10c438f1.png\" alt=\"JARVIS 帮助我选择枪械\" width=\"100%\"\u002F>\n\u003C\u002Fp>\n\n您自己的语音个人助手：从语音到文本，再到大语言模型（LLM），最终转换为语音，并在网页界面中显示。\n\n## 工作原理\n\n1. :microphone: 用户对着麦克风讲话\n2. :keyboard: 使用 \u003Ca href=\"https:\u002F\u002Fdeepgram.com\u002F\" target=\"_blank\">Deepgram\u003C\u002Fa> 将语音转换为文本（语音转文本服务）\n3. :robot: 文本被发送到 \u003Ca href=\"https:\u002F\u002Fopenai.com\u002F\" target=\"_blank\">OpenAI\u003C\u002Fa> 的 GPT-3 API 以生成回复\n4. :loudspeaker: 回复通过 \u003Ca href=\"https:\u002F\u002Felevenlabs.io\u002F\" target=\"_blank\">ElevenLabs\u003C\u002Fa> 转换为语音（文本转语音服务）\n5. :loud_sound: 使用 \u003Ca href=\"https:\u002F\u002Fwww.pygame.org\u002Fwiki\u002FGettingStarted\" target=\"_blank\">Pygame\u003C\u002Fa> 播放语音\n6. :computer: 对话内容通过 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FAvaiga\u002Ftaipy\" target=\"_blank\">Taipy\u003C\u002Fa> 在网页上显示\n\n## 视频演示\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fyoutu.be\u002FaIg4-eL9ATc\" target=\"_blank\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FAlexandreSajus_JARVIS_readme_207d24747398.png\" alt=\"YouTube 开发日志\" width=\"50%\"\u002F>\n  \u003C\u002Fa>\n\u003C\u002Fp>\n\n## 需求\n\n**Python 3.8 - 3.11**\n\n确保您拥有以下 API 密钥：\n- \u003Ca href=\"https:\u002F\u002Fdevelopers.deepgram.com\u002Fdocs\u002Fauthenticating\" target=\"_blank\">Deepgram\u003C\u002Fa>\n- \u003Ca href=\"https:\u002F\u002Fplatform.openai.com\u002Faccount\u002Fapi-keys\" target=\"_blank\">OpenAI\u003C\u002Fa>\n- \u003Ca href=\"https:\u002F\u002Felevenlabs.io\u002Fdocs\u002Fapi-reference\u002Ftext-to-speech\" target=\"_blank\">Elevenlabs\u003C\u002Fa>\n\n## 安装方法\n\n1. 克隆仓库\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FAlexandreSajus\u002FJARVIS.git\n```\n\n2. 安装依赖\n\n```bash\npip install -r requirements.txt\n```\n\n3. 在根目录下创建一个 `.env` 文件，并添加以下变量：\n\n```bash\nDEEPGRAM_API_KEY=XXX...XXX\nOPENAI_API_KEY=sk-XXX...XXX\nELEVENLABS_API_KEY=XXX...XXX\n```\n\n## 使用方法\n\n1. 运行 `display.py` 启动网页界面\n\n```bash\npython display.py\n```\n\n2. 在另一个终端中运行 `jarvis.py` 启动语音助手\n\n```bash\npython main.py\n```\n\n- 准备就绪后，网页界面和终端都会显示 `Listening...`\n- 现在您可以对着麦克风讲话\n- 停止讲话后，它将显示 `Stopped listening`\n- 然后开始处理您的请求\n- 回复准备好后，它将显示 `Speaking...`\n- 回复将被播放并显示在网页界面中。\n\n以下是一个示例：\n\n```\nListening...\nDone listening\nFinished transcribing in 1.21 seconds.\nFinished generating response in 0.72 seconds.\nFinished generating audio in 1.85 seconds.\nSpeaking...\n\n --- USER: good morning jarvis\n --- JARVIS: Good morning, Alex! How can I assist you today?\n\nListening...\n...\n```\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FAlexandreSajus_JARVIS_readme_c02f42a6e813.png\" alt=\"说早安\" width=\"80%\"\u002F>\n\u003C\u002Fp>","# JARVIS 快速上手指南\n\nJARVIS 是一个语音个人助手工具，支持从语音输入到文本处理，再到生成语音输出，并通过网页界面展示对话内容。\n\n---\n\n## 环境准备\n\n### 系统要求\n- **Python 3.8 - 3.11**\n\n### 前置依赖\n在使用 JARVIS 之前，请确保已获取以下 API 密钥：\n- [Deepgram API Key](https:\u002F\u002Fdevelopers.deepgram.com\u002Fdocs\u002Fauthenticating)\n- [OpenAI API Key](https:\u002F\u002Fplatform.openai.com\u002Faccount\u002Fapi-keys)\n- [ElevenLabs API Key](https:\u002F\u002Felevenlabs.io\u002Fdocs\u002Fapi-reference\u002Ftext-to-speech)\n\n---\n\n## 安装步骤\n\n1. 克隆代码仓库：\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002FAlexandreSajus\u002FJARVIS.git\n   ```\n\n2. 安装依赖：\n   ```bash\n   pip install -r requirements.txt\n   ```\n\n3. 创建 `.env` 文件并添加 API 密钥：\n   在项目根目录下创建 `.env` 文件，并填入以下内容：\n   ```bash\n   DEEPGRAM_API_KEY=XXX...XXX\n   OPENAI_API_KEY=sk-XXX...XXX\n   ELEVENLABS_API_KEY=XXX...XXX\n   ```\n\n---\n\n## 基本使用\n\n1. 启动网页界面：\n   在终端中运行以下命令：\n   ```bash\n   python display.py\n   ```\n\n2. 启动语音助手：\n   在另一个终端中运行以下命令：\n   ```bash\n   python main.py\n   ```\n\n3. 使用流程：\n   - 当终端显示 `Listening...` 时，表示助手正在监听。\n   - 对着麦克风说话，停止说话后会显示 `Stopped listening`。\n   - 助手将处理您的请求，并显示 `Speaking...`。\n   - 处理完成后，语音响应会被播放，同时对话内容会显示在网页界面上。\n\n示例交互：\n```\nListening...\nDone listening\nFinished transcribing in 1.21 seconds.\nFinished generating response in 0.72 seconds.\nFinished generating audio in 1.85 seconds.\nSpeaking...\n\n --- USER: good morning jarvis\n --- JARVIS: Good morning, Alex! How can I assist you today?\n\nListening...\n...\n```\n\n---\n\n以上为 JARVIS 的快速上手指南，祝您使用愉快！","一位独立开发者正在开发一款智能家居控制系统，需要频繁调试代码、查询文档和测试功能。\n\n### 没有 JARVIS 时\n- 每次遇到问题都需要手动打开浏览器搜索解决方案，打断开发流程  \n- 调试过程中需要反复切换窗口查看日志和错误信息，效率低下  \n- 在测试语音控制功能时，必须手动输入测试语句，无法模拟真实使用场景  \n- 查询 API 文档或技术资料时，需要在多个页面间来回切换，耗时费力  \n- 长时间盯着屏幕工作容易导致视觉疲劳，影响专注度  \n\n### 使用 JARVIS 后\n- 可以直接通过语音询问技术问题，快速获得解答，无需中断开发  \n- 语音指令让开发者能一边调试代码一边获取所需信息，减少窗口切换  \n- 测试语音功能时可以直接与 JARVIS 对话，更贴近实际使用场景  \n- 通过语音查询文档和资料，JARVIS 能快速返回相关信息，提升效率  \n- 减少屏幕依赖，用语音交互降低视觉疲劳，保持更长时间的高效工作  \n\nJARVIS 让开发者专注于核心任务，显著提升工作效率和开发体验。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FAlexandreSajus_JARVIS_29ee10c4.png","AlexandreSajus","Alexandre Sajus","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FAlexandreSajus_8a01d44a.png","Sales Engineer at Datadog","Datadog","Amsterdam","asajus47@gmail.com",null,"https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Falexandre-sajus\u002F","https:\u002F\u002Fgithub.com\u002FAlexandreSajus",[86,90],{"name":87,"color":88,"percentage":89},"Python","#3572A5",90.8,{"name":91,"color":92,"percentage":93},"CSS","#663399",9.2,518,99,"2026-04-03T01:05:58","GPL-3.0","未说明",{"notes":100,"python":101,"dependencies":102},"需要 Deepgram、OpenAI 和 ElevenLabs 的 API 密钥；首次运行需安装 requirements.txt 中的依赖库；运行时需同时启动 display.py 和 jarvis.py。","3.8 - 3.11",[103,104,105,106,107],"deepgram","openai","elevenlabs","pygame","taipy",[26,55,13],[103,105,110,104,111,107,112,113],"llm","python","tts","voice-assistant",4,"2026-03-27T02:49:30.150509","2026-04-06T11:30:51.262577",[118,123,128,133,138,143],{"id":119,"question_zh":120,"answer_zh":121,"source_url":122},4362,"模块未找到：rhasspysilence，如何解决？","正确的安装命令是 `pip install rhasspy-silence`。您也可以通过 `pip install -r requirements.txt` 安装项目所需的所有依赖。","https:\u002F\u002Fgithub.com\u002FAlexandreSajus\u002FJARVIS\u002Fissues\u002F4",{"id":124,"question_zh":125,"answer_zh":126,"source_url":127},4363,"如何避免发送静音的 WAV 文件到语音转文本 API？","需要在 `main.py` 中修改代码，在 `log(\"Done listening\")` 后加载录制的 WAV 文件，检查最大音量。如果最大音量低于某个常数值（即静音），则跳过处理。","https:\u002F\u002Fgithub.com\u002FAlexandreSajus\u002FJARVIS\u002Fissues\u002F10",{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},4364,"taipy 已安装但 display.py 无法运行，怎么办？","尝试使用 `python -m pip list` 检查是否正确安装了 taipy。如果未安装，请使用 `python -m pip install -r requirements.txt` 重新安装。如果问题仍然存在，建议创建一个新的虚拟环境并重新安装依赖：\n- `python -m venv venv`\n- `.\\venv\\Scripts\\activate`\n- `pip install -r requirements.txt`\n- `python display.py`","https:\u002F\u002Fgithub.com\u002FAlexandreSajus\u002FJARVIS\u002Fissues\u002F9",{"id":134,"question_zh":135,"answer_zh":136,"source_url":137},4365,"安装依赖时出现 Failed building wheel for webrtcvad 错误，如何解决？","此问题通常是因为缺少 Microsoft Visual C++。请从 [Visual Studio 官网](https:\u002F\u002Fvisualstudio.microsoft.com\u002Fvisual-cpp-build-tools\u002F) 下载并安装 Visual C++ Build Tools，并确保在安装时勾选 `Desktop development with C++` 选项。","https:\u002F\u002Fgithub.com\u002FAlexandreSajus\u002FJARVIS\u002Fissues\u002F3",{"id":139,"question_zh":140,"answer_zh":141,"source_url":142},4366,"是否有开源的机器学习替代方案？","可以尝试结合 Whisper（语音转文本）、Mistral 或 Llama（文本生成）以及 Coqui 或 Bark（文本转语音）。此外，推荐参考这个本地开源语音助手项目：[LocalAIVoiceChat](https:\u002F\u002Fgithub.com\u002FKoljaB\u002FLocalAIVoiceChat)。","https:\u002F\u002Fgithub.com\u002FAlexandreSajus\u002FJARVIS\u002Fissues\u002F1",{"id":144,"question_zh":145,"answer_zh":146,"source_url":147},4367,"运行 main.py 时遇到错误，是否需要修复？","这部分代码在运行 main.py 时不会被访问，因此无需处理。","https:\u002F\u002Fgithub.com\u002FAlexandreSajus\u002FJARVIS\u002Fissues\u002F8",[]]