dsh-kitt-voice

现有语音插件大多只服务中英语境，而且一旦浏览器失去焦点——比如你正盯着全屏游戏或另一个应用——语音交互就彻底断了。dsh-kitt-voice 把语音做成了真正的对话：按一下键开口说话，Silero 端点检测判断你说完了，转录后发给 agent，回复逐句朗读出来，然后继续听你下一句，中间不需要点任何按钮。它用 Silero 区分人声和电视、引擎这类背景噪音，避免把废话发给 agent；支持打断朗读、全局快捷键、覆盖在任何窗口之上的浮动伴侣条，让你在游戏、编辑器或任何场景里都能随时和 agent 说话。

界面本身支持西班牙语、英语和简体中文，转录引擎用 Whisper 天然多语，104 个神经语音覆盖西语、英语和中文；如果不想让文本离开本机，也可以指向本地 Piper 语音文件夹完全离线合成。麦克风与扬声器可以分别指定不同设备，语速从半速到双倍随意调，引导词表还能保证西班牙语句子里夹杂的 setup、understeer 这类英文术语不被 Whisper 音译成乱码。

适合想摆脱纯打字、需要多语言（尤其西语）语音交互、或者希望在任意应用中免手操作 agent 的开发者，以及注重隐私、追求完全离线的用户。