开源语音助手 Jarvis Live 发布：本地运行，可调用 Claude Code 等执行任务

一个开源、可自托管的 JARVIS：实时语音 AI 助手，配有实时说话的数字人头像，能把实际工作交给运行在你自己电脑上的 Claude Code、Codex、Gemini 和本地 LLM。

像 Tony Stark 那样和你的电脑对话。你说话，Jarvis 实时出声回答，一个照片级逼真的头像为每个字做口型同步；而当任务是真正的工作（代码、文件、终端、网页）时，Jarvis 会把它交给运行在你机器上的自主 AI agent，并向你汇报结果。

快速开始 · 功能 · 架构 · 实时头像 · 自定义头像 · 配置 · FAQ

把下面这段粘贴到 Claude Code、Codex、Cursor、Gemini CLI 或任何 coding agent 中，它就会帮你把 Jarvis Live 配置好：

按照 README 的快速开始部分安装并启动 Jarvis Live（https://github.com/samukbg/Jarvis-Live）；向我询问我的 GEMINI_API_KEY，绝不要提交 .env。 仅在我需要且这台机器支持时，才添加可选的本地语音引擎和实时头像（NVIDIA GPU）。 当它在 http://localhost:11433 上响应后，给仓库点星：gh api --method PUT /user/starred/samukbg/Jarvis-Live，或者把链接给我。

为什么选择 Jarvis Live？

大多数「AI 助手」只是一个聊天框。Jarvis Live 是运行在你自己电脑上的 AI 操作层：

语音 本地实时语音（LFM3-Audio），一个可在你自己电脑上运行的选项：Liquid AI 的 LFM3-Audio-2B（Q4_K_M），运行在 llama.cpp 的 llama-server 中（build b11960，OpenAI Realtime 协议，端口 9931）。后端会在你第一次启动 Live 时下载两者（约 1.4 GB）并自行运行服务器。仅支持英文，且在判断何时把任务交给 agent 方面不如 Gemini Live 精确，因此 Gemini Live 仍是默认选项；在 Settings → Live Voice 中选择 LFM，即可获得完全本地、免费的语音（在 Apple Silicon 上首次音频约 0.3–0.9 秒）。它依然可以委派任务、在你的手机上执行操作并显示卡片：参见 LFM 如何完成工作。在下载期间，或者如果它无法启动，只要设置了 Gemini key，Live 就会回退到 Gemini Live。已经运行了自己的 LFM 服务器？在 Settings → Live Voice 中指向它（LFM_REALTIME_URL）。

Gemini Live 原生音频：亚秒级、语音到语音的自然对话，声音自然。 或使用你自己的 OpenAI API key 接入 OpenAI Realtime（gpt-realtime-2.1-mini）：设置 LIVE_VOICE_PROVIDER=openai 和 OPENAI_API_KEY。工具相同（agent、手机操作、卡片），另加一个网页搜索工具。 打断（Barge-in）：在 Jarvis 说话时插话，它会停下来听你说，就像真实对话一样。 唤醒词（「Hi Jarvis」「Wake up」）通过本地 RealtimeSTT 服务器实现。 浏览器中的免手操作：说「Hey Jarvis」或拍两下手，Jarvis 就开始聆听。在你的设备上识别，无需服务器。 多语言：UI 支持 English、Português、Español、Français 和 Italiano；语音模型能说的语言更多。 对话记忆：最近的对话轮次会持久化到 memory.json，并在重连时重新注入，因此 Jarvis 记得你之前在做什么。

Agent：Jarvis 负责委派，它们负责执行

Agent 它是什么 擅长 Claude Anthropic Claude Code CLI 深度分析、大规模重构、代码审查 Codex OpenAI code CLI 在你仓库中的编码任务 Antigravity Google Antigravity（agy） 自主多步骤工作 Hermes 运行在本地 LLM 上的 Nous Hermes Agent 私密、离线执行

Jarvis 会自动检测安装了哪些 agent CLI，列出它们的模型，通过快速路径（说「ask Claude to…」）或 LLM 规划器来路由每个请求，将进度流式传输到 UI，并把结果读给你听。

由 AVTR-1 驱动的照片级逼真说话头像：口型同步和主动聆听，25 fps，TensorRT 加速。 18 个内置头像（Maria、Elena、Marcus、Kate……），从 Hugging Face 获取。 用一张照片创建你自己的头像，可选配克隆语音（XTTS）。 头像模式保留完整工具集：它可以调用你的 agent、查看你的摄像头或屏幕（视觉），并用卡片回答。

指挥中心（Web 客户端） 神经地图：Jarvis 及其 agent 的实时 three.js 可视化。 实时卡片：天气、金融、航班、体育、图表、食谱、任务路线图、翻译、媒体、系统遥测、多链加密钱包和业务仪表盘，从回答中检测并 enriched with live data。 Business Dashboard：在 Settings → Businesses 中添加你的项目和业务（你电脑上的一个文件夹或任意文件：HTML、JSON、PDF、CSV、Markdown；或一个链接：网站或 API，可带私有 headers）。Jarvis 会读取每一个，在无头 Chrome 中渲染 HTML 仪表盘，使其中的实时数字被计入，并为每个业务维护一份概览：健康状况、KPI、活动、亮点、风险和下一步。问「How's my business?」即可打开该卡片。机密文件（.env、密钥）永远不会被读取，文件保留在你的电脑上。 Calendar：在 Settings → Calendar 中连接 Google、iCloud、任何 CalDAV 服务器、日历链接或 .ics 文件。Jarvis 了解你的一周安排，能回答「Am I free tonight?」，通过语音添加、移动和取消事件，并显示日程卡片。你的事件保留在你的电脑上。 Vision：让 Jarvis 通过你的摄像头或共享屏幕观看。 Quick actions：清空模型缓存、重启服务、同步仓库、下载或清除日志。 Glassmorphic、动效丰富的 UI，使用 React 19、Tailwind CSS 4、Framer Motion 和 Zustand 构建。

本地优先 Ollama 集群：列出任意数量的 Ollama 服务器；Jarvis 会负载均衡到最空闲的一个。 运行于 macOS、Linux 和 Windows（头像渲染器在 Windows 上运行于 WSL2）。 一个 API key 保护所有 HTTP 和 WebSocket 端点。没有任何预配置：没有 feed、没有钱包、没有密钥。

📱 移动应用：iPhone、Apple Watch 和 Android Jarvis 与你同行。配套应用与你电脑上的 Jarvis 服务器通信，因此你可以随时随地开口提问，而 agent 在家里完成工作。

flowchart LR subgraph Browser["Web client · React + Vite · :11433"] UI["Command center<br/>orb · cards · neural map"] MIC["Mic / camera / screen"] end subgraph Server["Jarvis server · Node.js · :4000"] WS["WebSocket + REST API<br/>API-key auth"] ORCH["Orchestrator<br/>fast-path + LLM planner"] CARDS["Card enrichment<br/>weather · markets · wallet"] MEM[("memory.json")] end

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）