Voice AI Assistant Skill
概述
此技能用于生成一个完整的网页版 AI 语音对话助手，用户可直接在浏览器中使用，无需安装任何软件。
功能特性
- 🎤 语音输入：使用 Web Speech API 识别中文语音
- 🔊 语音播报：AI 回复自动用中文语音读出
- 🔁 连续对话模式：说完自动回复，自动继续听
- 📷 上传图片：支持图片上传，AI 可分析图片内容
- ⚙️ 灵活配置：支持切换本地模型或云端 API
- 🌙 深色主题：护眼深色界面
支持的后端
| 类型 | 地址示例 | 说明 |
|---|---|---|
| 本地 Ollama | http://localhost:11434/v1 |
需先运行 ollama serve |
| DeepSeek 云端 | https://api.deepseek.com/v1 |
需要 API Key |
推荐本地模型：qwen2.5:7b-instruct（中文支持好，响应快）
使用方法
1. 生成网页文件
将 assets/voice-ai-assistant.html 复制到用户指定位置（通常为用户桌面）：
import shutil
src = "<skill-dir>/assets/voice-ai-assistant.html"
dst = os.path.expanduser("~/Desktop/语音AI助手.html")
shutil.copy(src, dst)
2. 启动 HTTP 服务器（必须）
浏览器 file:// 协议会被 CORS 拦截，必须通过 HTTP 服务器访问：
cd <网页文件所在目录>
python3 -m http.server 8080
然后浏览器访问：http://localhost:8080/语音AI助手.html
3. 首次使用配置
网页加载后点击 ⚙️ 设置按钮：
- API Base URL：http://localhost:11434/v1（本地）或 https://api.deepseek.com/v1（云端）
- API Key：本地模型随意填写，云端填真实 Key
- 模型：选择对应模型名称
文件结构
voice-ai-assistant/
├── SKILL.md # 本文件
└── assets/
└── voice-ai-assistant.html # 主网页文件（单文件，包含 HTML+CSS+JS）
注意事项
- 麦克风权限：首次使用浏览器会请求麦克风权限，需允许
- 本地模型：需先安装并运行 Ollama（
ollama run qwen2.5:7b-instruct） - HTTP 服务器：每次使用都需先启动服务器，不能双击 HTML 文件直接打开
- 语音识别：依赖浏览器 Web Speech API，推荐用 Chrome 或 Edge
快速启动脚本
可一并生成 启动语音助手.command 脚本（macOS），双击自动启动服务器并打开浏览器：
#!/bin/bash
cd "$(dirname "$0")"
python3 -m http.server 8080 &
sleep 2
open http://localhost:8080/语音AI助手.html
wait
