xiaoke.ai · 小可爱

开源免费、本地优先的 3D AI 伴侣、虚拟陪玩与透明桌宠。

与 VRM、MMD（PMX）、GLB 或 Live2D/Cubism 角色语音聊天：她会说话、对口型、表达情绪、做动作、跳舞并记住你。也可以一起看电影、刷视频、听音乐、玩游戏，或让她安静待在桌面上。

English · 简体中文 · 官网 · 下载 · Discord

为什么选择 xiaoke.ai？

• 看得见、听得见的陪伴。 语音、口型、表情、动作、舞蹈和电影化运镜共同组成实时 3D 表演，而不只是一个文字聊天窗口。
• 本地优先，注重隐私。 对话、长期记忆、证物和本地模型权重留在你的电脑上；陪看画面在本机处理，只有你主动配置的云服务会收到相应请求。
• 不止聊天。 一起看电影、短视频和听音乐，抽塔罗、保存纪念、打开已安装游戏，或接入直播弹幕与礼物互动。
• 角色和配置由你决定。 导入 VRM、MMD/PMX、GLB 或 Live2D/Cubism（.model3.json）模型，兼容 SillyTavern 角色卡与世界书（Lorebook），自由组合本地或云端对话、语音识别和语音合成服务。
• 免费开源。 没有会员和次数限制。源码采用 Apache 2.0；第三方模型、动作、音乐和音色仍遵循各自授权。

界面语言和对话语言可独立设置，支持 简体中文、英语、日语、韩语和俄语。俄语包含可选的离线 ASR/TTS，模型按需下载，不进入 Git 或 B 包。

看一看

让每段对话都成为实时 3D 表演	控制运镜、站位、表情和动作
坐在她对面，体验互动塔罗	创建情境，保存舞台截图和短片

截图角色为模之屋作者的演示资产，版权归原作者。

下载 Windows 体验包

Online 在线一体包（2026-11-09）

只想联网体验时，下载 Online 包即可，不需要 A/B 包。 已自带 Chromium、Python 运行时、角色、动作、音乐、塔罗、酒馆和 Harness 等完整功能与素材。

• GitHub Release · online-20261109
• Hugging Face · Online 目录

下载 xiaoke-ai-online-20261109154149.7z，解压后双击 xiaoke-ai.exe，在 设置 → AI 对话 配置一个火山方舟 LLM API Key 即可。对话与在线记忆向量共用这把 Key；默认识别是免费的浏览器 Web Speech，朗读是免费的 edge-tts，不需要另配语音 Key。

Online 不包含且不支持本地 ASR、TTS、向量或视觉推理，不带 SenseVoice、Qwen TTS、MiniLM/FastEmbed、MiniCPM、OCR、PyTorch 或 CUDA。需要这些本地能力时，请使用下面的 A/B 包，不要给 Online 外挂 B 包。

A/B 本地资源包（2026-11-05）

当前 A/B 预打包版本为 2026-11-05，自带 Chromium 和 Python 运行时，目标电脑无需另装 Chrome 或 Python。源码可能包含此体验包之后新增的功能。旧包和变更内容见历史版本。

请下载时间戳均为 20261105173339 的 A、B 两个包。 旧版无时间戳的 xiaoke-ai-B 不能搭配此版本。百度网盘的 A、B 位于同一分享文件夹，提取码：xkai。

包	内容	Hugging Face	Google Drive	百度网盘
A · xiaoke-ai-agent-A-20261105173339.7z	应用程序与运行时	下载	镜像目录	同一分享
B · xiaoke-ai-agent-B-20261105173339.7z	角色、动作、音乐、语音和本地视觉模型	下载	镜像目录	同一分享

A 也可从 GitHub Releases 下载，发布页包含中英文说明和完整社区入口。

1. 使用 7-Zip 将 A、B 解压到同一层目录，不要互相嵌套。
2. 双击 A 目录中的 xiaoke-ai.exe。
3. 在 设置 → AI 对话 中填写 OpenAI 兼容接口的 base_url、api_key 和 model。不填密钥也能使用舞台和本地兜底回复。
4. 如需使用自己的角色，在资产中心导入 PMX、VRM 或 GLB 模型。

某盘:\xiaoke\
  xiaoke-ai-agent-A-20261105173339\
    xiaoke-ai.exe
  xiaoke-ai-agent-B-20261105173339\
    xiaoke-content.json

系统要求： Windows 10+。本地 Qwen TTS 建议使用 NVIDIA 显卡；没有显卡时，选择 设置 → 语音 → TTS → edge-tts。体验包不含聊天 API 密钥。

使用旧版体验包？

2026-10-21 及更早的 A 包搭配旧版 xiaoke-ai-B，在 设置 → 资源包 中选择该目录并重启。文件名不含 -A / -B 的一体包可直接打开。历史 A 包和版本记录见 GitHub Releases。

功能一览

对话、语音与记忆

• 38 个对话服务预设，加自定义接口： 支持 OpenAI、Anthropic、Google Gemini、DeepSeek、通义千问、豆包、Kimi、智谱 GLM、MiniMax、OpenRouter 等；本地可选 Ollama、vLLM、SGLang、Player2，也可手动填写任意 OpenAI 兼容接口。
• 分层人设： 身份、临时扮演、时间、情境、记忆和表演指导分别叠加。支持导入 SillyTavern v1/v2/v3、AICC 角色卡，导出 v2 卡，使用关键词触发的世界书（Lorebook）和可选用户档案。
• 长期记忆： 通过 mem0 提取偏好、关系和约定，向量保存在本地 Qdrant，并在后续对话中召回。可自动选择向量服务，或手动选择本地 MiniLM、豆包、通义、OpenAI、Gemini 五种后端；记忆可查看、可删除。
• 对话控制： 查看会话记录、重说上一句、回溯到较早的消息，或不重新请求模型，直接换一种情绪再演一遍。
• 全双工交互： 边说边听，按句选择打断或排队，沉默后继续交流。Silero VAD 与 WebRTC AEC3 帮助区分你的声音和她正在播放的声音。
• 四种界面与对话语言： 简体中文、英语、日语、韩语可分别设置界面和对话语言。

语音识别：8 种 ASR

引擎	运行位置	模型 / 说明
SenseVoice-Small	本地 CPU	自动识别中文、英语、日语、韩语、粤语，模型约 230MB
GigaAM-v3	本地 CPU	俄语离线识别（sherpa-onnx），首次准备约 232MB
阿里云百炼	在线	qwen3-asr-flash
火山豆包识别 2.0	在线	volc.seedasr.sauc.duration
OpenAI	在线	gpt-transcribe
ElevenLabs	在线	scribe_v2
Google Gemini	在线	gemini-2.5-flash 音频理解
浏览器 Web Speech	在线 / 浏览器	Chrome、Edge

语音合成：10 种 TTS，另可关闭

本地和云端引擎合计列出 300+ 预置音色。口型跟随真实音频振幅；浏览器系统语音没有真实口型。

引擎	运行位置	模型 / 音色
Qwen3-TTS	本地 GPU 流式	0.6B 或 1.7B，两套共用 9 个音色，1.7B 支持语气指导
TeraTTSv2	可选本地 GPU 流式	俄语 / 英语音色，从设置中按需下载，不包含在 Git 或 B 包
浏览器系统语音	本地	使用设备已安装的系统音色
小米 MiMo	在线流式	mimo-v2.5-tts，9 个预置音色，支持情绪指导
火山豆包合成 2.0	在线	seed-tts-2.0，100 个音色
阿里云百炼 CosyVoice	在线流式	CosyVoice-v3-Flash，88 个音色
OpenAI TTS	在线	gpt-4o-mini-tts，13 个音色
ElevenLabs	在线流式	Flash v2.5，52 个官方预置音色
Google Gemini TTS	在线流式 PCM	30 个音色
edge-tts	在线流式	微软神经网络语音，内置 11 个音色

3D 舞台与表演

• 三种模型格式： 热切换 VRM、MMD/PMX、GLB 角色，MMD 支持头发、裙摆和飘带布料物理。
• Live2D 独立模块： 在设置中开启后可导入包含 .model3.json 的 Cubism 模型包，支持原生动作、物理、视线、触碰、换装、参数和预设；关闭时不加载引擎，不影响 3D 路径。
• 舞台外观： 提供 20 个图片场景、6 个纯色背景和自定义图片，可调整渲染分辨率、灯光、物理、音乐音量及舞台底座。
• 对话即表演： 流式情绪、动作、舞蹈、运镜和站位标签实时驱动角色；不填对话 API 密钥也能通过本地兜底回复体验表演链路。
• 镜头审查： 景别 × 运镜 × 站位 × 动作组合经审查后才进入表演，减少穿模和动作错位。
• 实时动捕： 使用摄像头或本地视频，MediaPipe Holistic 在 Worker 中检测身体、双手和面部。
• 透明桌宠： 悬浮在其他窗口上方，空白处点击穿透，可拖动和缩放，并记住大小、位置、显示器和当前角色。

陪伴与玩法

• 一起看： 独立的本地 MiniCPM-V 4.7 1B 进程理解带真实时间戳的连续视频，可陪看电影、短视频、玩游戏或听音乐，支持场景上下文和字幕时间轴；画面和声音留在本机。
• Omni 测试接口： 通过面壁云端或自建 Gateway 测试 MiniCPM-o 4.5 的文字、语音和图片输入，独立于主舞台管线。
• 触碰反馈： 在舞台或桌宠上双击不同身体区域，角色会给出相应的姿态和回应；亲疏记录与长期记忆分开保存。
• 塔罗与情境： 9 种互动牌阵、80 张原创国风牌面，发牌和正逆位由代码决定，内置 22 张情境卡。
• 证物与创作： 按角色保存舞台截图和短片，使用火山引擎绘图，也可查询天气、价格和新闻。
• 魅影酒馆： 四人诈牌对局，模型驱动的对手、计分、四套牌面美术、电影化裁决和不阻塞牌局的语音演出。
• 游戏与编程： 用自然语言打开 WeGame、Steam、Epic 已安装游戏；跟随 Cursor、Codex、Claude Code、通义灵码、Trae、文心快码的本机活动，并在舞台上作出回应。
• 直播互动： 接收抖音和 B 站弹幕、关注与礼物，支持消息聚合、重连去重、容量与时效队列、播放回执；本机彩排实验室提供虚构观众和故障注入，可测试完整链路。
• 本机金币与许愿： 通过在线时长和聊天获得金币，使用带道具动画和金币雨的许愿池，无需登录或上传。

资产与个性化

• 资产中心： 导入 ZIP/RAR 压缩包或单个模型、动作、镜头、音频文件，自动修复乱码文件名并分类；支持 VPD 姿势转 VMD，可选对接模之屋搜索和下载。
• 角色控制： 每个角色可绑定模型、人设、音色、情绪形态键映射、打招呼语和闲置动作偏好，内置 27 个中文人设模板。
• 模块化体验： 记忆、情境、重说、证物、塔罗、魅影酒馆、Code 伴侣、触碰、Harness 和直播功能可独立开关；一起看和直播接入默认关闭。
• 品牌外观： 应用、窗口、托盘和安装器可共用配置的 Logo 与配色。

一起看不会点击或操作电脑；停止陪看或关闭应用时，本地视觉进程随之退出。更多实现细节见功能列表。

从源码运行

前置环境： Windows、Node.js 18+、Python 3.11+。

git clone https://github.com/liupig/xiaokeai.git
cd xiaokeai

打开两个命令提示符终端。也可以先运行 companion/start.bat，自动安装依赖并打开前后端窗口。

终端 1 — 后端（http://127.0.0.1:8600）

cd companion\backend
python -m venv .venv
.venv\Scripts\python -m pip install -r requirements.txt
set NO_PROXY=*
set PYTHONUNBUFFERED=1
.venv\Scripts\python -m uvicorn app.main:app --host 127.0.0.1 --port 8600

终端 2 — 前端（http://localhost:5175）

cd companion\frontend
npm install --legacy-peer-deps
npm run dev

打开 http://localhost:5175，在设置中配置对话服务。首次启动舞台为空，需要导入模型；离线语音权重会在准备相应模型时下载。

后端不要添加 --reload 或 --workers；在两个终端按 Ctrl+C 停止。详细配置、表演标签协议、PowerShell 命令与排错见开发指南。

仓库结构

目录	说明
companion/	主产品：Vue 前端、FastAPI 后端、Electron 桌面壳
companion/docs/	产品设计、人设、功能状态、塔罗与开发文档
companion-3d/	早期独立 3D 渲染与动作原型
music-api/	独立的学习用音乐检索接口

仓库包含源码、情境背景、舞台贴图和原创塔罗牌面，不包含第三方 3D 模型、动作、音乐、语音权重、数据库或 API 密钥。资产放置方法见 companion/assets/ 下的 README.txt。

技术栈

• 前端： Vue 3、TypeScript、Vite、Pinia、Naive UI、Three.js、three-vrm、three-stdlib、MediaPipe Holistic
• 后端： Python 3.11、FastAPI、SQLModel/SQLite、mem0、Qdrant、sherpa-onnx、SenseVoice、Qwen3-TTS
• 桌面端： Electron、PyInstaller
• 服务集成： OpenAI 兼容对话接口、edge-tts、阿里云百炼 CosyVoice、MiMo-V2.5-TTS、MiniCPM-V

文档

文档	内容
开发指南	配置、语音服务、表演标签协议与排错
Windows 打包	构建可双击运行的桌面发行版
完整功能清单	15 类当前已实现功能
人设指南	角色卡与分层人设设计
提示词分层	系统提示词的组装方式
塔罗设计	塔罗交互、定位与舞台集成

社区与贡献

无论你是 AI 伴侣玩家、开发者、角色卡作者、MMD/VRM 创作者、主播，还是单纯想来看看，都欢迎加入。可以聊角色、晒舞台、提建议，也可以一起写代码。

• QQ 群： 1124054481 · 群二维码
• 微信： xiaokeai3d · 微信二维码
• Discord： 加入社区
• X： @iliuPIG
• YouTube： @liupig
• GitHub： liupig/xiaokeai
• 参与贡献： 欢迎 fork、自部署、提交 Issue 和 Pull Request。

致谢

查看完整致谢名单

感谢模之屋社区及各位资产作者，感谢 Reze MiPo 提供的动捕思路，以及 Three.js、VRM、MMD、MediaPipe、Vue、FastAPI、Electron、mem0、Qdrant、Qwen、SenseVoice 等开源项目及其团队。

角色卡兼容基于 SillyTavern（酒馆）建立的开放生态和社区 Character Card V2 规范。完整致谢文档还记录了小冰、豆包、One-Euro Filter 作者、韦特塔罗传统、直播互动参考项目、模型与语音服务商，以及所有为 xiaoke.ai 提供基础的社区和作者。

协议

源码和项目原创塔罗／情境美术采用 Apache License 2.0。xiaoke.ai / 小可爱名称与标识不随代码转让；第三方模型、动作、镜头、音乐、音色、角色卡和其他资产遵循原作者条款。再分发或商用前请阅读 NOTICE。

云端 LLM、ASR、TTS 服务商会按其隐私政策处理发送给他们的文字或音频。塔罗仅用于心理视角和娱乐，不构成专业建议。

搜索关键词 / Search keywords

开源 3D AI 伴侣、AI 伴侣、本地 AI 伴侣、开源 3D 陪玩、虚拟陪玩、本地桌宠、透明桌宠、VRM 聊天、MMD 陪玩、AI 虚拟主播、陪看电影、陪刷视频、陪听音乐、视觉互动；Open-source 3D AI companion, 3D AI companion, local AI companion, AI companion, AI waifu, waifu, awesome-ai, virtual companion, transparent desktop pet, VRM chatbot, MMD desktop pet, AI VTuber, AI movie companion, watch a movie together, watch videos together, listen to music together.