开源AI桌宠AIRI完整部署指南

优质文章学习记录

— 5 min read
开源AI桌宠AIRI完整部署指南
本文手把手记录了 AIRI 的快速部署全流程：从设置中文界面、接入阿里百炼 API，到配置本地 TTS 服务，适合想低成本体验多模态 AI 桌宠的普通用户。

序言

最近在用一个叫 AIRI 的开源 AI 项目，部署简单、还能生成一个可调形象的桌面桌宠。我花了一整天_time_实测了从模型接入、TTS 语音、到跨平台联动的全过程——没有花哨概念，只有真实可用的细节。如果你也想拥有一个能聊天、会说话、还能接入 Discord 或游戏的“数字伙伴”，这篇就是你想要的落地指南。

演示

该项目支持ios、windwos、linux下载，看清型号配置点击下载即可安装，下载链接放在文章最后了。

637


打开软件，桌面上就会出现一个桌宠，这里的形象、大小都是可以调整的，感兴趣的可以尝试自定义，可以先连接上大模型再优化这个形象。

在设置>外观>通用>选择语言，切换成中文，然后重启应用即可生效，启动安全连接WebSocket是开启AIRI的实时加密通信，可以把Web版安装成手机APP


在模型提供商里可以选择很多服务商，如果电脑配置够的话可以选择ollama跑一个开源的qwen3.5 27B是最佳选择，如果配置不够可以调用api。

这里我使用的是阿里百炼的API，新出的套餐每月18000次调用，新用户才7块钱一个月，用处还是挺大的，使用下面链接还能领到10元优惠券：https://www.aliyun.com/benefit/ai/aistar?userCode=d5a2juv7&clubBiz=subTask…12391167…10263…

在设置中提供商里找到chat模型，这里面没有百炼或者千问的，但是这里可以选择minimax，软件虽然带了OpenAI Compatible兼容openai的选项，我测试了暂时不支持百炼的api。


接入模型后，这里就可以测试了，让她介绍一下自己，还是很可爱的。


在卡片编辑里可以设置角色的身份，描述它的是什么样子的以及它的行为等。

安装语音工具

我没有选择调用语音模型，如果为了方便省事可以去调用TTS模型的API，也可以在huggingface上下载Kokoro-82M这个模型，在这里使用的是一个开源的工具openai-edge-tts，这是一个免费的 OpenAI TTS 仿真器，下面是安装过程，下载连接放在文章最后了 。


下面这张图是安装环境，然后启动/app/server.py文件，这里出现Server running on http://localhost:5050 ，这个就可以了


回到AIRI，选择设置，在语音设置中填入http://localhost:5050/v1，注意这里不需要后面/audio/speech，API密钥随便填就可以了，因为上面的配置已经把API_KEY的验证给关闭了。


然后回到对话里就可以听到她的声音了，因为是免费的TTS，声音比较一般，对声音有要求的可以试试调用minimax或者百炼的TTS模型。

在设置里选择机体模块，这里可以配置连接Discord、X、我的世界、异星工厂，我这里虽然配置了Discord，里面只要填入一个Bot-token，比openclaw配置还要简单。剩下的我没有配置，有感兴趣的朋友可以自己试试。

总结

这个开源项目发布到现在时间还很短，但是官方的更新维护频率特别高，而且开源社区也很活跃，相信不久之后这个项目一定能更好，如果你也在找一个蹲在你桌面上、和你聊天的AI桌宠、虚拟伴侣，可以考虑这个开源项目。

项目开源链接：
https://github.com/moeru-ai/airi/releases/tag/v0.9.0-alpha.1
https://github.com/travisvn/openai-edge-tts

Read more

前端环境配置(nvm、nodejs、npm)

前端环境配置(nvm、nodejs、npm)

一、安装nvm 1. 下载vnm url: https://nvm.uihtm.com/doc/download-nvm.html 2. 解压文件后双击exe文件进行安装 3. 选择nvm的安装地址，我是安装在D:\App\nvm 4. 选择nodejs的安装地址，我是安装在C:\Program Files\nodejs 5. 点击next 一直点击 完成安装； 6. 找到nvm的settings.txt文件打开后: 给该文件添加这两行命令: node_mirror: https://npmmirror.com/mirrors/node/ npm_mirror: https://npmmirror.com/mirrors/npm/ 二、环境变量配置 1.
【DeepSeek R1部署至RK3588】RKLLM转换→板端部署→局域网web浏览

【DeepSeek R1部署至RK3588】RKLLM转换→板端部署→局域网web浏览

本文为DeepSeek R1 7B 以qwen为底座的LLM在瑞芯微RK3588 SoC上的完整部署流程，记录从开发板驱动适配烧录开始，到最终的开发板终端访问模型和局域网web访问模型的完整流程，有不足之处希望大家共同讨论。 文章目录 * 一、项目背景介绍 * 二、所需工具介绍 * 1.硬件工具 * 1.X86 PC虚拟机Ubuntu20.04 * 2. 准备NPU驱动为0.9.8的RK3588开发板 * 2.软件工具 * 三、获取.safetensors模型权重 * 四、safetensors转RKLLM * 1.转换环境搭建 * 2.模型转换 * 五、RKLLM模型板端部署及推理 * 六、集成开源gradio工具实现web访问 一、项目背景介绍 先来介绍下项目背景吧，目前有一个空闲的firefly出厂的搭载瑞芯微RK3588 SoC的arm64开发板，样式如图所示： 博主之前主要进行CV领域的模型的RK开发板部署，对于LLM和VLM的接触并不算多，但现在大模型是趋势所向，并且瑞芯微及时的完成了针对各开源

想做多语言项目？试试Hunyuan-MT-7B-WEBUI快速部署方案

想做多语言项目？试试Hunyuan-MT-7B-WEBUI快速部署方案 你有没有遇到过这样的情况：手头有个跨境项目，要同时处理日语产品说明、西班牙语用户反馈、维吾尔语政策文件，甚至还有藏文古籍数字化需求——可翻来翻去，不是翻译质量差强人意，就是部署起来像在解一道高数题？在线工具不敢传敏感数据，本地跑模型又卡在CUDA版本、依赖冲突、显存爆炸上……最后只能靠人工硬啃，进度一拖再拖。 Hunyuan-MT-7B-WEBUI 就是为这种真实困境而生的。它不讲大道理，不堆参数，不做“实验室里的冠军”，而是把腾讯混元团队打磨出的最强开源翻译模型，连同网页界面、一键脚本、预装环境，全打包进一个镜像里。你不需要懂Transformer结构，不用查PyTorch兼容表，甚至不用打开终端敲命令——点一下，等两分钟，就能在浏览器里开始翻译38种语言。 这不是又一个“需要调参、需要写代码、需要配环境”的AI工具。这是你今天下午就能用上的多语言工作台。 1. 为什么这款翻译镜像值得你立刻试试？ 1.1 它真能覆盖你没想过的语言 很多翻译模型标榜“支持多语言”，但实际打开列表一看：英、法、

前端实现Word文档在线编辑与导出：基于mammoth.js与Blob对象的完整解决方案

如何在浏览器中直接编辑Word文档并导出？本文将深入探索一种基于mammoth.js和Blob对象的完整技术方案。 在当今的Web应用开发中，实现文档的在线编辑与导出已成为常见需求。无论是企业内部系统、教育平台还是项目管理工具，都迫切需要让用户能够在浏览器中直接编辑Word文档，而无需安装桌面软件。本文将详细介绍如何利用mammoth.js和Blob对象实现这一功能，并对比其他可行方案。 一、为什么选择mammoth.js与Blob方案？ 在Web前端实现Word文档处理，主要有三种主流方案：浏览器原生Blob导出、mammoth.js专业转换和基于模板的docxtemplater方案。它们各有优劣，适用于不同场景。 mammoth.js的核心优势在于它能将.docx文档转换为语义化的HTML，而非简单复制视觉样式。这意味着它生成的HTML结构清晰、易于维护和样式定制。配合Blob对象，我们可以轻松将编辑后的内容重新导出为Word文档。 与直接使用Microsoft Office Online或Google Docs嵌入相比，mammoth.js方案不依赖外部服务，能更好地