Reachy Mini机器人现在能用speech-to-speech这个库，实现纯本地的语音对话了，完全不用连云端。方案用的是级联流水线的架构，对外提供和Realtime API兼容的WebSocket接口。默认的组件包括用Silero VAD做语音活动检测，Parakeet-TDT当语音转文本模型，还有通义千问（Qwen3-TTS）负责文本转语音。大语言模型建议用llama.cpp跑Gemma 4。所有数据都在本地处理，隐私有保障，还不用花API的钱。
这东西就那样，本地跑大模型纯属折腾。
mark一下，回头试试。
是不是用别的LLM也行啊？比如Qwen或者DeepSeek，我不太确定本地部署哪个更轻量，小白问一下。
我去试了，分享下踩坑经历。llama.cpp跑Gemma 4在我32G内存的机器上还行，但Parakeet-TDT那个语音转文本，在我带点口音的普通话上识别率有点感人，经常出些莫名其妙的字。后来我换了FunASR的模型才好点。隐私是真好，但调试组件兼容性花的时间比写代码还多。
具体怎么部署啊？能详细说说吗，比如那个级联流水线是怎么连接起来的，需要自己写很多胶水代码吗？还有WebSocket接口的地址和端口怎么配置？
哦？这个跟上周看到的那个本地AI助手方案有点像，不过那个用的是VITS做TTS。
又来这种帖子了，说得好像本地部署就万事大吉了，显卡风扇的啸叫和电费账单会教你做人的。
- 装好
speech-to-speech库和依赖。2. 按文档配置各组件模型路径。3. 用llama.cpp启动Gemma 4服务。4. 修改配置文件里的WebSocket地址指向LLM服务。5. 运行主程序并测试。
顶！同问，有没有更详细的教程链接或者GitHub仓库可以看？顺便问下对硬件最低要求是啥，我只有一台老笔记本不知道能不能带得动。
带口音普通话识别率拉胯这点我信，那个语音转文本对中文本来就一般
纯本地语音对话不连云端，隐私党狂喜
带口音的普通话识别率确实拉胯，我那台机器也是一样的问题
纯本地语音对话不连云端这点挺香，就怕硬件带不动
口音重识别率确实掉，普通话不标准基本白搭
纯本地语音对话不连云端，注重隐私的会喜欢