zapmomo

• 语音唤醒（KWS） — 说唤醒词即可唤醒伙伴；自定义唤醒词直接输中文，自动转拼音，无需任何外部工具
• 语音识别（ASR） — 中英双语实时转文字幕（流式 Zipformer / Paraformer），自动加标点；Zipformer 支持热词，另有离线 SenseVoice/Whisper 可选
• 文本转语音（TTS） — 中英双语语音合成，内置多音色，支持用参考音频克隆自己的音色
• 本地大语言模型（LLM） — 基于 llama.cpp 的本地推理（流式对话 + Agent 工具调用），应用内一键下载预设模型；也可接入 OpenAI 兼容远程 API
• 语音会话 — 一句话唤醒 → 语音识别 → 流式回复 → 实时播报，支持唤醒词打断与免唤醒续聊
• Live2D 虚拟角色 — 桌面常驻角色窗口（Cubism 2/3/4/5），位置记忆与百分比缩放，拖动不抢焦点；也支持 GIF 动图与「角色包」（静态立绘 + 人设 + 音色克隆）
• 跨平台桌面应用 — Windows / macOS / Linux 三平台安装包，多页面控制面板 + 常驻角色窗口
• deepseek-harness 集成 — 桌宠实时感知 deepseek-harness 任务状态，任务开始 / 完成 / 失败 / 中断时以气泡 + 语音播报（使用说明）
• 本地优先 — 各模型默认全部本地运行，对话数据不出设备

语音会话

唤醒 → 识别 → 思考 → 播报的完整语音对话链路：

• 唤醒词打断 — 播报/思考期间再次说出唤醒词，立即打断并重新聆听
• 免唤醒续聊 — 回复播完后自动进入聆听，无需重复唤醒
• 可调参数 — 唤醒词、回复音色、语速、欢迎语等可在「设置」页调整

AI 大脑（LLM）

• 本地运行 — llama.cpp 本地推理，流式对话 + Agent 工具调用，数据不出设备
• 一键下载 — 应用内提供 Qwen3-0.6B / 4B 等预设，点击即下载（推荐 Qwen3-4B-Instruct-2507，Q4_K_M 量化约 2.5GB）
• 自备模型 — 任意 GGUF 模型放入 ~/.zapmomo/models/ 即自动发现
• 远程接入 — 支持配置 OpenAI 兼容 API（官方 API 或自建 llama-server）

Live2D 虚拟角色

常驻桌面角色窗口：呼吸、眨眼等自动动画，与控制面板分离、独立悬浮。

• 拖动不抢焦点 — 按住左键移动角色，不干扰其他应用；macOS 上从 Dock / Cmd+Tab 隐形
• 位置记忆 + 百分比缩放 — 关闭后自动记住位置；缩放 25% ~ 200%（cmd/ctrl + 滚轮、右键菜单、设置页均可调节）
• 动作与表情 — 「伙伴」页可预览并切换模型的动作 / 表情
• 格式 — 支持 Cubism 2 / 3 / 4 / 5（.model3.json / model.json）
• 模型来源 — 自备 Live2D 模型目录，在「伙伴」页导入；默认目录 ~/.zapmomo/models/live2d
• GIF 动图 — 「伙伴」页可直接导入 .gif 文件作为桌面伙伴
• 角色包 — 「伙伴」页导入角色包目录（character.md 人设 + character.png 静态立绘，可选 voice/reference.wav + voice/reference.txt 音色克隆参考）：设为当前使用后，人设自动覆盖全局 system prompt，支持克隆的 TTS 模型（ZipVoice / OmniVoice）自动使用角色音色；切回其他伙伴自动恢复全局配置

开机自启动

设置页「通用」与托盘菜单均提供「开机自启动」：登录系统后自动启动 ZapMomo，桌宠静默出现（设置窗口不自动弹出）。注册的是系统级启动项（macOS 登录项 / Windows 启动应用 / Linux autostart），也可在系统设置中统一管理；重复启动时会激活已有实例，不会出现两个桌宠。

一键重启

设置页「通用」、角色右键菜单与托盘菜单均提供「重启」：退出后自动重新拉起，用于让需要重启才能生效的配置立即生效。

桌面应用的配置存储在 ~/.zapmomo/settings.toml（TOML 格式），常用设置（麦克风设备、TTS 音色、语音会话参数等）均可在应用「设置」页内调整；以下配置段也可直接编辑文件覆盖默认值（支持 ${env.VAR} 环境变量引用）：

完整配置项与 CLI 命令参考见贡献指南。