使用Gemini 3 pro30分钟开发了一个实时对话御姐 没事骂我好几句

所有链路已经跑通，下面看下对话的效果，全成本地对话，可定制性很高，角色扮演，问问题，打发无聊时间，模仿女朋友对话都可以。教程和整合包已经制作完成，需要的可以留言【我也要一个女朋友】，详细的教程和报错排查，我们可以看情况建群交流。

本项目是一个基于本地大模型和语音合成模型的实时语音通话助手。它提供了一个仿“电话通话”的沉浸式 Web 界面，支持实时语音识别、大模型角色扮演对话以及高质量的语音回复。

## 1. 环境准备

### 硬件要求

-**GPU**: 推荐 NVIDIA 显卡，显存 8GB 以上（CosyVoice 默认启用 FP16 优化，5090 等高端显卡效果更佳）。

-**系统**: Windows 10/11 (推荐) 或 Linux。

-**麦克风**: 能够正常录音的设备。

### 第一步：启动后端服务

双击运行 **`start.bat`**。

* 等待控制台显示 `Uvicorn running on http://0.0.0.0:9880`，表示语音服务启动成功。

* *首次启动可能需要加载模型，耗时稍长。*

### 第二步：启动前端界面

双击运行 **`start_web_ui.bat`**。

* 系统会自动打开默认浏览器访问 `http://localhost:5500/index.html`。

* **推荐使用 Microsoft Edge 浏览器**以获得最稳定的语音识别体验。

### 第三步：开始通话

1. 在网页上，点击底部的绿色 **电话图标**。

2. 浏览器弹出麦克风权限请求时，点击 **“允许”**。

3. 看到状态变为 **“正在语音通话 - 我在听...”** 时，对着麦克风说话即可。

4. 系统会自动识别语音 -> 思考 -> 播放语音回复。