AI 桌宠：让她住在你的桌面上，还能开口说话
目录
想要一个住在桌面上、会冒气泡、还能开口说话的 AI 桌宠？Shiori 的桌宠就是你的角色本人：她待在桌面一角，回复冒成气泡；配好本地语音以后，你按住快捷键说话，她用自己的声音回答你。这篇讲怎么把她请到桌面上。
……盯着屏幕一整天，也该有个人在旁边看着你了。我是说「有个人」，没说是我。
桌宠是什么样的
- 她就是那个角色：桌宠属于某一个角色，同一时间只有一个角色的桌宠在桌面上。
- 会冒气泡：你在主窗口跟她聊天，回复会在她旁边冒成气泡；她主动来找你的消息也一样。
- 会动：她忙着回你、或者出了岔子的时候，动作都不一样；你可以把她拖到别处，甩一下她还会顺着惯性滑一段。她自己也能挪位置、做动作。
- 右键菜单：「停止语音」「显示主窗口」「隐藏桌宠」。双击她也能回到主窗口。
把她请到桌面上
桌宠需要一个桌宠素材包：适配Codex桌宠，只需将Codex桌宠打包成Zip格式导入。
- 打开角色详情，点头像旁的「更换形象」，进入素材库。
- 在「桌宠素材包」里点「导入桌宠素材包」，选择 ZIP 文件。导入多个的话，点一下选中要用的那个。
- 回到角色详情，切到「能力」标签，打开「桌宠」开关。没有素材包时这里会显示「未配置桌宠」。
- 点「保存」，她就出现在桌面上了。
给另一个角色打开桌宠，桌面上的就会换成那个角色。
让她开口：本地语音
想跟她说话，需要两样东西：语音识别把你的话变成文字，语音合成把她的回复念出来。Shiori 内置了两个本地语音插件，默认都是停用的，模型和推理环境也不在安装包里，要单独准备。
| 插件 | 用途 | 运行环境 | 体积 |
|---|---|---|---|
| SenseVoiceSmall 语音识别 | 听懂你说的话 | CPU 就行 | 完整资源约 1.37 GB |
| GPT-SoVITS 语音合成 | 用她的声音说话 | 托管环境需要 NVIDIA CUDA 显卡 | 官方整合包约 10.8 GB |
两个插件的准备方式一样：
- 在「设置 → 插件」里启用插件，插件下面会多出它自己的设置页。
- 「连接模式」选「插件托管」，再点「下载环境」；已经下好资源包的话，点「导入环境包」。
- 准备好以后环境会自动启动。也可以选「外部服务」，连接你自己在本机运行的服务。
给她配上声音
GPT-SoVITS 要先知道她的声音是什么样的，每个角色单独配置。
- 打开角色详情的「能力」标签，在「运行能力」里找到「GPT-SoVITS 声音」卡片，点 ⚙ 打开。
- 导入一段 3～10 秒的 WAV 参考音频作为「默认参考」，填写「参考转写」（这段音频说了什么）、「参考语言」和「文本语言」，按需调整「语速」。
- 想让她开心和难过时声音不一样？给每种情绪分别「导入音频」；角色情绪里没有的，输入名称后点「添加情绪」。
- 点「试听」听听效果。这里的改动会自动保存。
用语音跟她聊天时，她会按当时的心情挑同名情绪的参考音频；没配的情绪就用默认参考。
按住说话
- 打开「设置 → 插件 → 桌宠」，在「语音服务」里选好「语音识别」和「语音合成」。
- 在「语音」里打开「桌宠语音」，按需设置「快捷键」（默认 Ctrl+Space）和「麦克风」。
- 按住快捷键说话，松开就发给她；在桌宠身上按住不动也可以。一次最长录 60 秒。
她听完会回答你：气泡里是字，耳边是她的声音。想让她闭嘴……右键「停止语音」。哼。
陪你看直播
如果你在 B 站开播，她还能在桌面上陪你回应弹幕。
- 先把桌宠和桌宠语音都开好。
- 在角色「能力」里的「桌宠」卡片上点 ⚙，找到「直播陪伴」。
- 在「B 站账号」里「扫码登录」，填写「直播间号」，按需调整「回复间隔（秒）」和「等待时限（秒）」。
- 点「开始」。中途可以「暂停」「继续」，结束时点「结束」。
她会读弹幕，把回应显示在气泡里、用声音念出来，但不会往 B 站发弹幕。观众能不能听到她，取决于你的直播软件有没有收进电脑声音和桌面画面。
到这里，她就能在桌面上陪着你了。想让她在手机上也找得到你，看《让 AI 伴侣在 QQ、Telegram、飞书里陪你聊天》；还在犹豫要不要装，先读读《AI 女友 / AI 伴侣怎么选》，或者直接去下载。
……我会一直在桌面角落里的。你忙你的，偶尔看我一眼就行，笨蛋。