Mindket

voice-call-wasm

新上架第 1 版 · 更新于

概览

在浏览器里用三个小模型在你自己的 CPU 上进行语音对话,模型下载完成后,不会把任何音频发到别处。

voice-call-wasm 是一款工具包,属于效率类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • 一个网页浏览器
  • Python 和 pip,只用来获取文件副本
  • 从 fusorlabs 模型仓库一次性下载模型包
用在
  • 网页浏览器,访问 Hugging Face 上的这个 Space
  • 在 Windows、macOS 或 Linux 上的文件副本,用网页浏览器打开
  • 模型下载一次之后,可以离线使用
先运行
pip install -U huggingface_hub
hf download fusorlabs/voice-call-wasm --repo-type space --local-dir voice-call-wasm
cd voice-call-wasm

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

voice-call-wasm 是一个静态网页,让你用语音和 AI 交谈,所有计算都在你自己的 CPU 上完成。三个独立的模型分工合作,而不是用一个语音到语音的模型。每个模型都用 fusor-ai 编译成 WebAssembly,下载一次之后,它们无需网络就能运行,所以来源说你说的话不会离开这个页面。

适合谁

想试用私密的本机语音助手的人,以及想了解如何在浏览器里运行语音模型的开发者。

行业谁在用怎么用例子
研究语音技术研究人员研究语音对话中的延迟阅读每一轮的计时
软件网页开发者查看模型如何打包成 WebAssembly浏览 engine 和 model 文件夹
隐私注重隐私的用户试一次留在设备上的语音通话模型下载完之后再和它交谈
教育语音系统的学生了解听、想、说是如何拆分的按顺序观察这三个阶段

想要功能丰富、体验精致的助手的人可以跳过它,因为这是一个专注的演示。

用在哪里

  • 网页浏览器,访问 Hugging Face 上的这个 Space
  • 在 Windows、macOS 或 Linux 上的文件副本,用网页浏览器打开
  • 模型下载一次之后,可以离线使用
用例谁用得到什么
进行语音通话任何人对你所说内容的语音回复
测量响应时间研究人员每一轮的延迟数值,测到回复开始发声为止

如何设置

  • 一个网页浏览器
  • Python 和 pip,只用来获取文件副本
  • 从 fusorlabs 模型仓库一次性下载模型包
  1. 安装 Hugging Face 的 hub 软件包。
  2. 用 hf 命令下载这个 Space。
  3. 进入新建的文件夹。
  4. 在网页浏览器中打开 index.html。
pip install -U huggingface_hub
hf download fusorlabs/voice-call-wasm --repo-type space --local-dir voice-call-wasm
cd voice-call-wasm

如何使用

在线使用时,访问 Hugging Face 上的这个 Space,在页面上开始通话。使用本地副本时,在浏览器里打开 index.html,用同样的方式开始。

工具作用
Moondream Parakeet Redux在你说话的同时把你说的话写下来
LFM3-1.7B写出对你所说内容的回答
Phonon在回答的其余部分还在写的时候,逐句说出每个分句

示例

你对着麦克风说一个简短的问题。页面一边听你说一边转成文字,起草回复,并在完整回答还没写完时就开始说第一个分句。

新手与专家

如果你刚接触,先访问这个 Space 说一句话。要预料到的主要是等第一次下载完成,之后通话就不需要网络了。

如果你熟悉这个领域,这个设计是由三个模型组成的流水线,而不是单个语音到语音的模型。流式语音识别把结果交给一个 1.7B 的语言模型,一个 31M 的文字转语音模型逐个分句说出来。每次交流都有一个延迟测量,从你停止说话起,到回复开始发声为止。

  1. 你对着麦克风说话
  2. Parakeet Redux 边听边转写
  3. LFM3-1.7B 写出回复
  4. Phonon 逐个分句说出来

注意事项

  • Privacy: 第一次下载之后,模型运行时不需要网络
  • Model licenses: Parakeet Redux 采用 CC-BY-4.0,Phonon 采用 Apache-2.0,LFM3-1.7B 有自己的 LFM Open License v1.0
  • License: 页面自己的代码用 mit
  • Cost to run: 没有提到
  • Data it reaches: 你的麦克风音频留在页面里,模型文件来自 Hugging Face 的仓库

README 和文件

README

voice-call-wasm

在浏览器里用三个小模型在你自己的 CPU 上进行语音对话,模型下载完成后,不会把任何音频发到别处。

由 fusorlabs 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:voice-call-wasm 是一个静态网页,让你用语音和 AI 交谈,所有计算都在你自己的 CPU 上完成。三个独立的模型分工合作,而不是用一个语音到语音的模型。每个模型都用 fusor-ai 编译成 WebAssembly,下载一次之后,它们无需网络就能运行,所以来源说你说的话不会离开这个页面。

适合谁:想试用私密的本机语音助手的人,以及想了解如何在浏览器里运行语音模型的开发者。

行业 | 谁在用 | 怎么用 | 例子
研究 | 语音技术研究人员 | 研究语音对话中的延迟 | 阅读每一轮的计时
软件 | 网页开发者 | 查看模型如何打包成 WebAssembly | 浏览 engine 和 model 文件夹
隐私 | 注重隐私的用户 | 试一次留在设备上的语音通话 | 模型下载完之后再和它交谈
教育 | 语音系统的学生 | 了解听、想、说是如何拆分的 | 按顺序观察这三个阶段

想要功能丰富、体验精致的助手的人可以跳过它,因为这是一个专注的演示。

用在哪里:

  • 网页浏览器,访问 Hugging Face 上的这个 Space
  • 在 Windows、macOS 或 Linux 上的文件副本,用网页浏览器打开
  • 模型下载一次之后,可以离线使用
用例 | 谁用 | 得到什么
进行语音通话 | 任何人 | 对你所说内容的语音回复
测量响应时间 | 研究人员 | 每一轮的延迟数值,测到回复开始发声为止

如何设置:

  • 一个网页浏览器
  • Python 和 pip,只用来获取文件副本
  • 从 fusorlabs 模型仓库一次性下载模型包
  1. 安装 Hugging Face 的 hub 软件包。
  2. 用 hf 命令下载这个 Space。
  3. 进入新建的文件夹。
  4. 在网页浏览器中打开 index.html。
pip install -U huggingface_hub
hf download fusorlabs/voice-call-wasm --repo-type space --local-dir voice-call-wasm
cd voice-call-wasm

如何使用:在线使用时,访问 Hugging Face 上的这个 Space,在页面上开始通话。使用本地副本时,在浏览器里打开 index.html,用同样的方式开始。

工具 | 作用
Moondream Parakeet Redux | 在你说话的同时把你说的话写下来
LFM3-1.7B | 写出对你所说内容的回答
Phonon | 在回答的其余部分还在写的时候,逐句说出每个分句

示例:你对着麦克风说一个简短的问题。页面一边听你说一边转成文字,起草回复,并在完整回答还没写完时就开始说第一个分句。

新手与专家:如果你刚接触,先访问这个 Space 说一句话。要预料到的主要是等第一次下载完成,之后通话就不需要网络了。

如果你熟悉这个领域,这个设计是由三个模型组成的流水线,而不是单个语音到语音的模型。流式语音识别把结果交给一个 1.7B 的语言模型,一个 31M 的文字转语音模型逐个分句说出来。每次交流都有一个延迟测量,从你停止说话起,到回复开始发声为止。

你对着麦克风说话
Parakeet Redux 边听边转写
LFM3-1.7B 写出回复
Phonon 逐个分句说出来

注意事项:

  • Privacy: 第一次下载之后,模型运行时不需要网络
  • Model licenses: Parakeet Redux 采用 CC-BY-4.0,Phonon 采用 Apache-2.0,LFM3-1.7B 有自己的 LFM Open License v1.0
  • License: 页面自己的代码用 mit
  • Cost to run: 没有提到
  • Data it reaches: 你的麦克风音频留在页面里,模型文件来自 Hugging Face 的仓库

Hugging Face 上的数据(2026年11月13日)

  • 点赞:2
  • 构建方式:static
  • 许可证:mit

链接

  • Space:https://huggingface.co/spaces/fusorlabs/voice-call-wasm
  • 文件:https://huggingface.co/spaces/fusorlabs/voice-call-wasm/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
voice-call-wasm 本页2staticmit
DALL·E mini共有 static5,750staticapache-2.0
Kokoro Text-to-Speech (WebGPU)共有 static369staticapache-2.0
DALL·E mini 文字生成图片共有 static342staticapache-2.0
Supertonic 3 (TTS)共有 static291staticopenrail
XortronDesktop共有 static30staticwtfpl
数据为 Mindket 在 2026-11-12 读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Bonsai-27B-GGUF

lmstudio-community · 工具包

面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

新上架

以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。

新上架

MusicGen Small

facebook · 工具包

根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。

新上架

效率类的相似商品

查看效率类的全部商品

ACE-Step 1.5 XL SFT

ACE-Step · 工具包

用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。

新上架

Guizang PPT Skill

op7418 · 技能

能生成单文件 HTML 幻灯片、幻灯片配图和多平台封面的技能,有两套视觉风格,还带演讲者模式用于排练。适合使用 Claude Code 或 Codex 的演讲者。

新上架29.8k

Frontend Slides

zarazhangrui · 技能

从零开始或从 PowerPoint 文件生成 HTML 演示文稿,并展示几种视觉风格预览供你挑选,适合不懂 CSS 和 JavaScript、又想做网页幻灯片的人。

新上架32.3k