VoxRT Voice AI Runtime

VoxRT Voice AI Runtime 是一款专为隐私与实时性打造的端侧语音 AI 运行时。它让完整的语音交互栈——从唤醒词到语音合成——全部在用户设备上完成，音频数据永不离开手机、浏览器或树莓派，彻底告别云端调用与 API 密钥。

核心功能

VoxRT 将五大语音组件整合进一个共享运行时，提供统一的 SDK 接口：

• 唤醒词检测：仅 100 KB 的 "Hey Assistant" 模型，在树莓派 Zero 上实时因子（RTF）低至 5.3%，轻松实现低功耗常驻唤醒。
• 语音活动检测（VAD）：基于 Silero VAD，在 Android 上 RTF 仅 3.05%，精准分割语音与静音，节省后续计算资源。
• 关键词识别（KWS）：支持 14 个命令词，在骁龙 662 上 RTF 为 16%，Chrome WASM 环境仅 0.97%，响应迅捷。
• 流式 ASR：移动端实现实时语音识别，边说边转写，无需等待完整语句。
• 语音克隆 TTS：正在开发中，即将支持个性化语音合成，同样完全本地运行。

主要特性

• 完全离线：无网络请求、无云端依赖，所有音频处理均在设备端完成，满足最严格的隐私合规要求。
• 跨平台支持：一套运行时覆盖 iOS、Android、浏览器（WASM）及 Raspberry Pi，降低多端开发成本。
• 零 API 成本：无需 API 密钥，没有按分钟计费，一次集成永久使用。
• 极致轻量：各组件针对边缘设备优化，在低算力硬件上仍保持实时性能。
• 模块化设计：五个 SDK 共享同一运行时，可按需组合，灵活适配不同场景。

适用场景

VoxRT 非常适合对隐私敏感、网络不稳定或需要低延迟响应的应用，例如智能家居中控、车载语音助手、可穿戴设备、离线客服终端以及教育硬件。开发者无需担心数据泄露或持续费用，即可为产品注入完整的语音交互能力。