project_alias
Project Alias 是一款开源的智能家居隐私保护工具，被形象地称为智能助手的“可教导寄生体”。它主要解决用户对现有智能音箱（如 Google Home、Alexa）缺乏控制权及隐私泄露的担忧。通过运行在树莓派上的软件，Alias 能利用噪音干扰设备内置麦克风，防止其在非唤醒状态下窃听，同时允许用户自定义独特的唤醒词和指令。
该项目特别适合关注数据隐私的极客、安全研究人员以及希望深度定制智能家居体验的开发者使用。其核心技术亮点在于引入了“虚假标签”机制：用户可以调整 Alias 发声的性别或语言，从而误导智能助手的算法，使其对用户的身份特征产生错误判断，增加数据采集的复杂性。此外，Alias 基于 Pocketsphinx 实现了高精度的自定义唤醒词检测，并支持设置噪音延迟以留出清晰的对话窗口。用户只需通过简单的网页界面即可配置这些参数，甚至创建快捷指令（例如说"Funky Time"自动触发播放音乐），在保障隐私的同时大幅提升交互的灵活性与趣味性。
使用场景
自由职业设计师林浩在家中工作室使用智能音箱控制音乐和灯光，但他极度担忧设备在非指令状态下持续监听并上传隐私数据。
没有 project_alias 时
- 必须使用厂商固定的唤醒词（如"Hey Google"），无法自定义符合个人习惯的触发指令。
- 智能音箱麦克风始终处于活跃监听状态，私密谈话存在被意外记录或误触发的风险。
- 无法干扰设备的用户画像算法，助手会持续根据声音特征标记用户的性别、口音等隐私信息。
- 若想执行复杂操作（如“播放特定歌单并调暗灯光”），每次都必须完整说出冗长的原生指令。
- 缺乏对设备行为的底层控制权，完全依赖厂商提供的有限设置，无法实现真正的本地化隐私保护。
使用 project_alias 后
- 通过训练自定义唤醒词（如"Funky Time"），林浩可以用独特的暗号轻松激活助手，摆脱固定词汇束缚。
- project_alias 在待机时发射特定噪音干扰内置麦克风，仅在需要时由树莓派接管激活，彻底阻断后台窃听。
- 利用变声和语言切换功能，project_alias 向助手输入虚假的性别和国籍标签，混淆其用户画像算法。
- 支持将长指令预设为简短触发词，只需说"Funky Time"，project_alias 便会自动向助手发送完整的复杂指令序列。
- 基于开源硬件和 Pocketsphinx 技术，林浩完全掌握了唤醒逻辑和噪声参数，实现了可审计的本地化控制。
project_alias 通过将智能助手从“始终在线的监听者”转变为“按需激活的工具”，在保留便利性的同时重构了用户对智能家居的隐私主权。
运行环境要求
- Linux (Raspbian Stretch)
不需要 GPU
未说明 (基于 Raspberry Pi 3A+)
快速开始
项目别名 2.0
项目别名是一个开源的寄生程序，用于入侵智能家居设备。通过向设备内置麦克风注入噪声，训练自定义唤醒词和指令；同时，还可以通过改变性别或国籍来干扰其算法中的标签识别。更多关于该项目的信息请访问 这里
本仓库已更新至 2.0 版本。旧版本可在分支中找到。
2.0 新特性
- 支持多个唤醒词
- 自定义助手指令
- 可更改别名的性别和语言
- 调整唤醒词灵敏度及延迟
- 基于 Pocketsphinx 的全新唤醒词检测功能
构建指南
完整的分步教程及 3D 模型文件请参阅我们的 Instructables 页面
简易安装 🔧
别名软件可刷入 microSD 卡，实现快速简便的安装。请确保 Respeaker 音频扩展板已连接到树莓派。
我们推荐使用简易安装方式，但如果您希望从头开始安装该项目，请参考“手动安装”说明。
开始使用别名 🍄
使用手机连接到别名的本地 Wi‑Fi 进行配置。
- SSID：Project Alias
- 密码：cordyceps
打开浏览器并输入网址：alias.local，即可与别名交互。
在界面上，您可以添加新的唤醒词/指令或编辑现有内容。点击 Update Alias 按钮保存更改。建议尝试不同的唤醒词和灵敏度设置，以找到最适合您的方案。
若要调整设置，单击右上角的图标。在这里您可以调节噪声、语言、性别、音量和延迟等参数。 提示：如果您将完整指令输入别名，可以创建快捷方式和新功能。例如，当您说“Funky Time”时，别名可以低声说出“Ok Google, 在 Spotify 上播放一些放克音乐”。
设置 ⚙️
| 设置 | 描述 | 默认值 |
|---|---|---|
| 噪声 | 开启或关闭循环播放的背景噪声 | ON |
| 性别 | 选择助手在听到别名发出指令时所感知的性别。切换为相反性别可以在助手的算法中引入错误标签，从而产生有趣的互动和回答。请注意，这仅改变别名本身的声音，因此只对较长的指令有效。 | Male |
| 语言 | 更改别名与您的助手交流时使用的语言。此举旨在增加一层干扰，使系统将您标记为不同国籍。要使用此功能，助手指令必须用相同语言编写。 | English |
| 音量 | 调节扬声器音量。音量需足够大以屏蔽助手的响应，但又不能过于刺耳。具体设置应根据房间声学环境和背景噪音进行调整。 | 39 |
| 噪声延迟 | 唤醒词触发后，该设置会延长重新启动噪声的时间。这段时间可用作无噪声窗口，以便您向助手提问。建议将其设置为与对话最长持续时间相匹配的间隔。 | 10s |
| 灵敏度 | 此设置用于调整唤醒词检测的灵敏度。该选项位于每个指令的首页。数值越低，灵敏度越低。 | 20 |
手动安装
如果您希望手动构建该项目，可以按照以下步骤操作。不过我们仍建议使用“简易安装”部分提供的预装镜像。
树莓派设置
如何为本项目准备并设置树莓派：
下载最新版 Raspbian Stretch，并使用 Etcher 将其烧录到 microSD 卡上。
将 setup 文件夹 中的 ssh 和 wpa_supplicant.conf 文件复制到 SD 卡的 boot 分区。
使用文本编辑器修改 wpa_supplicant.conf 文件，使其与您的 Wi‑Fi 设置匹配。然后将卡插入树莓派。
在终端中通过 SSH 登录到树莓派：
sudo ssh pi@raspberrypi.local
默认密码为 'raspberry'。如需更改密码，请使用 'passwd' 命令更新树莓派：
sudo apt-get update && sudo apt-get upgrade重启：
sudo reboot
安装依赖项
注意：某些依赖项可能因版本不同而有所差异。本指南已在 Raspbian Stretch 9 版本上测试并验证过。
在树莓派上：启用 raspi-config 中的 SPI 接口
raspi-config
确保已安装 Python3 和 Git，以便进行后续操作：
sudo apt-get install python3-dev python3-pip git libatlas-base-dev
克隆并安装 Respeaker 音频扩展板的驱动程序：
– 此步骤仅在使用 Respeaker 音频扩展板时需要，其他音频驱动程序也可适用。
cd && git clone https://github.com/respeaker/seeed-voicecard.git
cd seeed-voicecard && sudo ./install.sh
按照此 指南 禁用默认声卡。
安装 Pocketsphinx 及其依赖项：
sudo pip3 install spidev
sudo apt-get install -y python python-dev python-pip build-essential swig git libpulse-dev
sudo apt-get install libasound2-dev
sudo apt-get install pulseaudio pulseaudio-utils libpulse-dev libpulse-java libpulse0
sudo pip3 install --upgrade pocketsphinx
安装 espeak：
sudo apt-get install espeak
安装 Flask 服务器：
sudo pip3 install flask flask_socketio
安装 Pygame：
sudo apt-get install python3-pygame
若需搭建私有网络，可参考此 指南。
最后，克隆 Alias 项目：
git clone https://github.com/bjoernkarmann/project_alias.git
更改助手
如果您使用的是 Google Home 或 Amazon Alexa，只需在别名的网页应用中将唤醒词写入响应字段即可更改。
贡献者
由 Bjørn Karmann 和 Tore Knudsen 制作
许可证
本项目采用 GPL 许可证授权——请参阅根目录下的 LICENSE.GPL 文件。
常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-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。 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。
everything-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。 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。 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
ComfyUI
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。 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。 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。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备