推文

@tvytlx · 2026-10-11 04:23

给 AI 做语音对话，最难搞的居然是一声「嗯嗯」。 有个哥们用嘴跟 Claude Code 干活好几个月了。他说，它也说回来。 他发现身边同事也用语音，但只是口述 prompt，说完又回去盯着屏幕，一行行读 Claude 写的东西。 输入换成了嘴，输出还是靠眼睛读。 他一开始也觉得这事简单：语音转文字进去，语音合成出来，一个周末搞定。 第一版一塌糊涂： 音箱里放出它自己的声音，它以为是人在说话 打断要么太灵敏，要么反应太慢 agent 一开始干活就不听了，想喊停还得回去敲键盘 后来每一条都得正经做工程： 回声消除 分清你是真想打断，还是随口「嗯嗯」附和一下 它忙的时候也能接住你说的话 让它回两句就停，别把整段文字念给你听 我觉得这几条挺有意思的。 全是人跟人聊天时根本不用过脑子的事。 我们一辈子都在下意识地做，轮到教给机器，才发现「聊天」本身就是一堆工程问题。 他把这套开源了，叫 Larmor，MIT 协议。 全部在 Mac 本地跑：Parakeet 听，Chatterbox 说，回声消除用苹果自带的。 能接 MCP 的 agent 都能用，Claude Code、Codex、Gemini CLI 这些。 你在它干活时插的话，会在它下一次调用工具时塞进去，一般几秒就到。 它一开口你就说话，它立刻停；你只是「嗯」一声，它接着往下说。 还有个细节我挺喜欢：10 分钟没用就自己关麦，免得忘了关的窗口一直开着麦克风。 门槛也说一下：只支持 Apple Silicon，第一次要下 3.7G 模型，跑起来吃 3G 左右内存，8G 的 Mac 会有点紧。 https://www.reddit.com/r/ClaudeAI/comments/1x1u9t9/ive_been_working_with_claude_code_out_loud_for/

曝光 349 · 评论 1 · 点赞 1 · 书签 0