本地优先的开源 AI 语音工作室,支持克隆声音、生成语音、语音听写和为 AI 智能体提供语音输出。
mbailey/voicemode
为 Claude Code 等支持 MCP 的智能体提供语音对话能力,可用云端或本地语音服务。
- Star
- 1,410
- Fork
- 198
- 未关闭 Issue
- 63
- 最近提交
- 3天前
这是什么?
VoiceMode 为 Claude Code 以及其他支持 Model Context Protocol 的智能体增加语音输入和语音输出。你可以直接说话并听到回复,适合走路、做饭等双手或双眼被占用的时候继续工作。
它可以使用 OpenAI 语音接口作为云端方案,也可以通过 Whisper.cpp(语音转文字)和 Kokoro(文字转语音)完全在本地运行。本地服务与 OpenAI 接口保持一致,VoiceMode 可以在两者之间切换。检测到你停止说话后会自动结束录音。
安装方式包括 Claude Code 插件和基于 uv 的 Python 安装器。支持 Linux、macOS、WSL 下的 Windows 以及 NixOS,Python 版本为 3.10 至 3.14。
核心功能
- 01在 Claude Code 及其他 MCP 智能体中进行语音输入和语音回复
- 02使用 Whisper.cpp 做本地语音转文字,使用 Kokoro 做本地文字转语音
- 03可通过 OpenAI API 作为云端备选
- 04自动检测静音以结束录音
- 05可选保存音频文件用于调试
适用场景
- 在走路或离开键盘时与编程智能体对话
- 通过本地运行 Whisper 和 Kokoro 让语音数据留在自己的机器上
- 用听的方式查看智能体输出,减少盯屏幕的时间
快速上手
- 1
在 Claude Code 中添加 VoiceMode 插件市场
claude plugin marketplace add mbailey/voicemode - 2
安装 VoiceMode 插件
claude plugin install voicemode@voicemode - 3
在 Claude Code 中安装命令行工具和本地语音服务
/voicemode:install - 4
开始语音对话
/voicemode:converse
使用前须知
- 需要配备可用麦克风和扬声器的电脑。
- 云端语音服务需要 OpenAI API 密钥;本地服务需要额外安装,并依赖 ffmpeg、PortAudio 等系统组件。
标签
常见问题
- voicemode 是什么?
- 为 Claude Code 等支持 MCP 的智能体提供语音对话能力,可用云端或本地语音服务。 VoiceMode 为 Claude Code 以及其他支持 Model Context Protocol 的智能体增加语音输入和语音输出。你可以直接说话并听到回复,适合走路、做饭等双手或双眼被占用的时候继续工作。
- voicemode 可以免费使用吗?用的什么许可证?
- voicemode 以 MIT 许可证开源。用于商业产品前,请先确认许可证条款。
- voicemode 还在维护吗?
- 活跃维护中。voicemode 最近一次提交是在 2026年10月17日。
- voicemode 适合用来做什么?
- 在走路或离开键盘时与编程智能体对话 通过本地运行 Whisper 和 Kokoro 让语音数据留在自己的机器上 用听的方式查看智能体输出,减少盯屏幕的时间
- voicemode 怎么安装和运行?
- 在 Claude Code 中添加 VoiceMode 插件市场: claude plugin marketplace add mbailey/voicemode 安装 VoiceMode 插件: claude plugin install voicemode@voicemode 在 Claude Code 中安装命令行工具和本地语音服务: /voicemode:install 开始语音对话: /voicemode:converse
- 在哪里获取 voicemode?
- 源代码和安装说明在 GitHub 上:https://github.com/mbailey/voicemode
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
5.8万7269PythonMIT更新于 14天前
终端编程智能体,内置 LSP、调试器、浏览器和子智能体,支持 60 多家模型服务商。
3.6万3957TypeScriptMIT更新于 20小时前
让 Claude 等 AI 助手通过 MCP 协议直接操作 Blender,完成建模、场景搭建与素材导入。
3.2万2971PythonMIT更新于 前天
为 AI 编程代理设计的 MCP 服务,把工具原始输出挡在上下文窗口之外,并在对话压缩后保留会话状态。
3.1万2302TypeScriptOther更新于 昨天
基于 Whisper 的开源语音转文字工具,支持词级时间戳和说话人分离。
2.5万2495PythonBSD-2-Clause更新于 前天
开源视频翻译工具,集成语音识别、字幕翻译、AI 配音与音视频合成。
1.9万2409PythonGPL-3.0更新于 5天前