「Talk to 峰哥」是一个开源项目，核心玩法是用 AI 实时克隆一个人的声音和性格，然后跟他进行真正的语音聊天。不是文字转语音的机械朗读，而是像打电话一样来回对话，延迟压到了 1 秒以内。

峰哥只是第一个完整 demo，项目支持替换为其他角色——只要准备好语音素材和人格描述即可。

核心功能

• 音色克隆：15-45 秒语音素材就能复刻一个人的声音，基于开源 VoxCPM 模型，效果优于市面上多数方案
• 人格注入：不只是声音像，口头禅、思维方式、说话节奏都能模仿，基于「女娲 Skill」的蒸馏方法论
• 实时对话：完整链路为用户说话 → 语音识别 → 大模型思考 → 语音合成 → 播放回复，工程延迟控制在 1 秒内
• 可替换角色：有文档指导如何替换为其他人物
• 记忆系统（可选）：基于 OpenViking，能记住对话中用户提过的事，下次聊天可 recalled

技术栈

项目采用模块化设计，每个环节都有备选方案：

• 实时传输：LiveKit
• 语音识别：Cartesia ink-whisper
• 大模型推理：MiniMax-M2.7（国产、无需翻墙、响应快）
• 语音合成：VoxCPM（本地 GPU）/ MOSS-TTS（CPU 可跑）/ Cartesia Sonic（云端，$5/月）

部署方式

最简单的方法是交给 AI 编程助手（Claude Code、Cursor、Codex），让它读取 .env.example 自动配置。手动部署步骤：

1. 克隆仓库，安装 Python 3.12+ 和 uv 包管理器
2. 安装 LiveKit Server（macOS 可直接 brew install livekit）
3. 复制 .env.example 为 .env.local，填入三个 API Key：Cartesia（语音识别，免费注册）、MiniMax（大模型）、TTS 方案
4. TTS 方案选择：有 NVIDIA 显卡（8G+ 显存）推荐 VoxCPM；无显卡可用 MOSS-TTS 或 Cartesia Sonic
5. 启动：双击 Talk-to-Me-V3.6.command，或分别运行 LiveKit Server、Agent Worker、Web Server
6. 浏览器访问 127.0.0.1:8766 即可开始对话

GitHub：YeJe-cpu/talk-to-fengge