amica

GitHub
1.5k 248 较难 1 次阅读 今天MIT图像Agent语言模型音频开发框架
AI 解读 由 AI 自动生成,仅供参考

Amica 是一款开源的交互式 3D 角色沟通平台,旨在让用户通过自然的语音对话与高度定制的虚拟人物进行实时互动。它解决了传统聊天机器人缺乏情感表达和视觉形象的痛点,通过集成情感引擎,让虚拟角色不仅能听懂指令、开口回答,还能根据语境展现丰富的情绪反应,带来更具沉浸感的陪伴体验。

这款工具非常适合希望构建个性化虚拟助手的研究人员、开发者,以及想要拥有专属"AI 伙伴”的普通用户。无论是用于游戏 NPC 开发、虚拟主播搭建,还是个人娱乐,Amica 都提供了灵活的配置方案。其独特的技术亮点在于强大的兼容性与本地化能力:支持导入通用的 VRM 模型文件,允许用户在浏览器端直接运行 Transformer 模型;同时广泛适配多种主流技术栈,包括 Whisper 语音识别、Llama.cpp 本地大模型、Eleven Labs 等合成语音服务,甚至支持 BakLLaVA 视觉理解功能。用户既可以一键部署桌面版快速上手,也能深入调整底层参数,自由组合不同的 AI 技术来塑造独一无二的角色性格与声音。

使用场景

一位独立游戏开发者正在为一款叙事驱动的冒险游戏制作具备情感交互能力的 NPC 原型,希望玩家能通过语音直接与角色自然对话。

没有 amica 时

  • 开发者需分别集成语音识别、大语言模型和语音合成三个独立模块,代码耦合度高且调试困难。
  • 3D 角色模型(如 VRM 格式)无法实时响应对话内容,面部表情和口型只能播放预设动画,显得僵硬虚假。
  • 缺乏统一的情感引擎,角色无法根据对话语境自动调整语气和表情,导致沉浸感严重不足。
  • 本地部署成本高,若想在浏览器或移动端演示,需自行解决 Transformers.js 等前端推理模型的兼容性问题。

使用 amica 后

  • 直接利用 amica 内置的 Whisper 语音识别与 Eleven Labs 等 TTS 接口,通过配置文件即可打通“听 - 想 - 说”全流程,无需重复造轮子。
  • 导入 VRM 模型后,amica 自动驱动 @pixiv/three-vrm 渲染引擎,让角色的口型、眼神和肢体动作随语音实时同步变化。
  • 依托内置情感引擎,角色能根据 Llama.cpp 或 ChatGPT 生成的回复内容,自动匹配喜怒哀乐等微表情,大幅提升互动真实感。
  • 基于 Web 技术栈构建,开发者可一键将原型部署到网页端,让玩家直接在手机或平板上体验流畅的 3D 语音交互。

amica 将复杂的多元技术栈封装为统一的交互界面,让开发者能专注于角色性格塑造而非底层工程搭建。

运行环境要求

操作系统
  • Windows
  • macOS
  • Linux
GPU

未说明(主要基于浏览器运行,本地后端如 Llama.cpp/Ollama 等需根据具体模型配置 GPU)

内存

未说明

依赖
notes该项目主要为基于 Web 的应用(使用 three.js 和 Transformers.js 在浏览器中运行),可通过 npm 安装依赖并启动开发服务器。桌面版应用使用 Tauri 构建。支持多种外部 AI 后端(如 Ollama, KoboldCpp, OpenRouter 等),具体硬件需求取决于所选用的后端服务和模型大小。Windows 用户安装时建议创建新文件夹以防卸载时误删文件。
python未说明(核心为 Node.js 项目,部分本地后端服务可能需要 Python)
Node.js
npm
three.js
@pixiv/three-vrm
Transformers.js
Tauri
Llama.cpp (可选后端)
Ollama (可选后端)
amica hero image

快速开始

Amica:您友好的个人AI

如果您喜欢我们的项目,请在GitHub上给我们点个赞⭐。

twitter License Hits GitHub issues GitHub closed issues

Amica让您能够与高度可定制的3D角色进行对话,这些角色可以通过自然的语音聊天和视觉交流互动,并配备情感引擎,使Amica能够表达情感等。您可以使用任何AI技术以任意方式自定义她。

在此处通过手机、平板或桌面端试用Amica

对于Windows用户:请在安装过程中为Amica创建一个新文件夹,以防止卸载时无意中删除其他文件。

我们刚刚发布了Amica 1.2版本,带来了许多新功能。文档也将很快进一步更新,观看视频了解Amica 1.2提供了哪些功能:

视频标题

您可以导入VRM文件,调整声音以匹配角色,并生成包含情感表达的回复文本。

Amica的各项功能主要使用和支持以下技术:

如需查看如何将这些技术与Amica配合使用的教程,请访问Amica官方文档

🛠️ 安装与运行

要本地运行该项目,请克隆或下载仓库。

git clone git@github.com:semperai/amica.git

安装所需的依赖包。

npm install

安装完依赖后,使用以下命令启动开发Web服务器:

npm run dev

启动后,请访问以下URL以确认其正常运行。

http://localhost:3000

📝 配置

大多数配置都在.env.local文件中完成。可用选项请参考config.ts文件。

OpenRouter配置

要将OpenRouter用作聊天后端,请在.env.local文件中设置以下环境变量:

  • NEXT_PUBLIC_OPENROUTER_APIKEY:您的OpenRouter API密钥(必填)
  • NEXT_PUBLIC_OPENROUTER_URL:自定义OpenRouter API URL(可选,默认为https://openrouter.ai/api/v1)
  • NEXT_PUBLIC_OPENROUTER_MODEL:默认OpenRouter模型(可选,默认为openai/gpt-3.5-turbo)
amica
├── .env.local
├── src
│   ├── utils
│   │   └── config.ts

📦 桌面应用

Amica使用Tauri来构建桌面应用程序。

要开发桌面应用程序,请使用以下命令:

npm run tauri dev

📖 文档

请查看文档,了解更多关于如何配置和使用Amica的信息。

📜 历史

该项目最初是Pixiv的ChatVRM的一个分支:

https://pixiv.github.io/ChatVRM

🔒 许可证

  • 本项目的大部分内容根据LICENSE文件中的规定,采用MIT许可证发布。
  • 诸如3D模型和图片等资源则根据其各自作者的许可证进行发布。

✨ 星标历史

星标历史

🤗 贡献者

版本历史

app-v0.2.12023/12/23
app-v0.2.02023/12/16
app-v0.1.22023/12/15
app-v0.1.12023/12/15

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

349.3k|★★★☆☆|1周前
Agent开发框架图像

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。

162.1k|★★★☆☆|1周前
开发框架图像Agent

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

156.8k|★★☆☆☆|今天
开发框架Agent语言模型

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。

108.3k|★★☆☆☆|5天前
开发框架图像Agent

gemini-cli

gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。

100.8k|★★☆☆☆|6天前
插件Agent图像

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

93.4k|★★☆☆☆|1周前
插件开发框架