Aurora：一款注重隐私的本地化智能语音助手

核心观点：Aurora是开源智能语音助手，主打本地隐私保护与生产力提升，所有处理流程本地完成，整合实时语音转文本、大语言模型及多种开源工具。本文将分楼层介绍其背景、功能、架构、安装、愿景等内容，帮助大家全面了解这款隐私优先的AI助手。

• 原作者/维护者： joaojhgs
• 来源平台： GitHub
• 原始链接： https://github.com/joaojhgs/aurora
• 发布时间： 2025年2月10日
• 最后更新： 2026年6月15日

Aurora核心理念为「隐私优先的瑞士军刀式助手」，所有处理本地完成，确保数据不离开设备。采用Python开发（支持3.10-3.11版本），遵循MIT开源协议，目前获13星标，处于早期阶段但架构设计与功能规划潜力显著。

1. 唤醒词检测

支持自定义唤醒词（如「Jarvis」），OpenWakeWord实现离线低延迟唤醒，无需联网激活。

2. 实时语音转文本

使用Whisper模型实现实时语音转文本，含「环境转录」功能，后台持续录制转录支持每日活动摘要。

3. 大语言模型集成

多提供商支持（OpenAI、HuggingFace Pipeline/Endpoint、Llama.cpp）；本地支持Llama3、Mistral7B等量化模型；远程可接入HuggingFace推理端点；通过JSON配置管理参数。

4. 语义搜索与OpenRecall集成

定期截图索引用户活动，实现语义化历史记录检索（如查询「下午2点研究的界面」）。

5. 文本转语音

Piper实现离线TTS，生成自然语音响应。

6. MCP支持

连接外部MCP服务器扩展能力，支持本地（stdio）与远程（HTTP）服务器，动态工具加载与认证。

模块化插件架构，优先隐私、可扩展性与本地处理。核心组件：

1. 配置管理：config_manager.py集中处理设置，config.json与.env分离敏感凭证。
2. 音频处理管道：OpenWakeWord唤醒检测、Whisper实时STT、线程化架构保证UI响应。
3. LangGraph编排：智能路由LLM推理与工具执行，基于RAG的工具选择，维护对话上下文。
4. 插件系统：独立插件，条件加载，可扩展（无需修改核心即可添加新工具）。
5. 内存与存储：向量存储支持语义搜索，SQLite存储对话历史与系统状态。

安装方式

1. Docker Hub：预构建镜像快速部署，执行相关docker pull与docker-compose命令。
2. UV安装：开发者推荐，依赖解析快，需git clone项目后执行uv sync与run命令。
3. 源码安装：通过setup.sh（Linux/macOS）或setup.bat（Windows）引导式设置，自动检查环境与安装依赖。

模型管理

• 聊天模型：存于chat_models/（GGUF格式，2-4GB），config.json中配置路径，可从HuggingFace GGUF库下载。
• 语音模型：存于voice_models/（Piper与唤醒词模型），配置路径后可从Piper Voices下载更多语音。

客户端-服务器架构

• 服务器接收处理音频，客户端可拥有本地工具并被服务器调用，支持ESP32等低成本设备，WebRTC实现点对点连接。

智能家居集成

• 支持与智能家居设备集成，通过工具调用控制智能家电。

愿景核心：让用户在私有网络通过低成本接口交互，助手可控制真实设备或多台桌面。

Aurora代表语音助手隐私优先的重要方向，本地优先设计、模块化插件架构、灵活LLM支持使其成为潜力开源项目。适合关注隐私、希望本地运行AI助手的用户与开发者，提供功能丰富且完善的解决方案。随着客户端-服务器架构与智能家居集成的实现，有望成为家庭自动化与个人生产力领域的重要工具。