airi

图1：Project AIRI 官方横幅

你有没有想象过，有一天能和《夏娜》里的亚珑一样，和一个真正拥有灵魂的虚拟角色生活在一起？她们会记得你说的话，会在你玩《我的世界》时陪在旁边出谋划策，会用真实的语音和你对话——而不是那种机械的问答复读机？

Project AIRI 正在将这个想象变成现实。这是一个开源项目，目标只有一个：复刻 Neuro-sama，或者说，创造一个真正"有灵魂"的 AI 虚拟伴侣。

什么是 Project AIRI？

简单来说，AIRI 是一个自托管的虚拟角色容器。你可以把它理解为：一个让 AI 角色"活"起来的全栈开发框架。它不是简单的聊天机器人，也不是预训练的对话模型，而是一套完整的系统工程——整合了实时语音对话、游戏交互（MineCraft、Factorio）、Live2D 虚拟形象、VRM 模型支持，以及跨平台 UI（Web / macOS / Windows / iOS / Android）。

该项目的核心理念是"you-owned"——即你拥有这个角色的数据和灵魂。它定位为 Grok Companion 的开源替代方案，但野心更大：不只是语音助手，而是一个数字生命平台。

技术架构：全栈 TypeScript 的野望

翻开 AIRI 的代码仓库，第一感受是：这不像是一个"个人项目"。

整个项目使用 TypeScript 作为主力语言，采用了 pnpm monorepo 架构，根目录有 47 个文件和 46 个 packages 子包，规模相当可观。核心技术栈包括：

• 运行时：Node.js（Docker 镜像基于 node:24-alpine）
• Web 前端：Vite + Vue.js 3 + TypeScript，packages/stage-ui 包含 Live2D/Spine/Three.js 等多种渲染引擎
• 后端服务：apps/server 提供核心运行时，依赖 drizzle-orm + DuckDB-WASM 做数据持久化
• 部署：多阶段 Dockerfile（server + stage-web），提供 docker-compose.yml 一键启动
• AI 引擎：packages/core-agent 提供 Agent 核心逻辑，支持 plugin-sdk 插件扩展

值得注意的是，项目还内置了视觉自动化运行时（vishot-runtime）和 Electron 端集成，意味着它能截屏、理解屏幕内容并作出反应——这是让 AI"看懂游戏"的基础能力。

核心功能：从陪伴到游戏

实时语音对话

AIRI 的语音交互不是简单的 TTS+ASR 串联。项目内置了 audio-pipelines-transcribe 和 model-driver-lipsync 等包，实现了语音驱动的嘴唇同步（Lip Sync），让虚拟形象的嘴型与语音精准匹配。这需要端到端的音频处理 pipeline，门槛相当高。Live2D 和 VRM 虚拟形象的唇形动画必须与音频流实时同步，这涉及到 ASR（自动语音识别）→ LLM 推理 → TTS（语音合成）→ Lip Sync 模型的完整链路，每个环节的延迟都必须控制在 500ms 以内才能保证体验流畅。

游戏伴侣：Minecraft + Factorio

这是 AIRI 最具想象力的功能。在 games 部分，AIRI 展示了让 AI 角色"进入" Minecraft 和 Factorio 的能力——AI 能理解游戏状态、读取屏幕、执行操作。这背后依赖 vishot-runtime 的屏幕感知能力和 MCP（Model Context Protocol）协议通信。

要实现这一点，需要同时具备：计算机视觉（理解屏幕内容）+ 游戏 API（执行动作）+ LLM 推理（三者协调）。这是一个典型的 Agent + Tool Use 问题，解决起来远比想象的复杂。AI 需要"看见"游戏中发生的事，理解你的意图，然后调用游戏内置命令完成操作——比如"帮我在这个位置建一个熔炉"。

虚拟形象：Live2D + VRM

AIRI 支持 Live2D 动画模型和 VRM（VRoid Hub Model）格式，前者提供 2D 动画效果，后者提供 3D 虚拟形象。packages/stage-ui-live2d 和 packages/stage-ui-three 分别对应这两种渲染路径。用户可以根据喜好选择不同风格的"外壳"。Live2D 通过 Spine 骨骼动画实现面部表情和肢体动作，VRM 则基于 VRM 1.0 规范支持更精细的 3D 模型控制。

图2：Project AIRI 品牌标识（Light 主题）

部署体验：支持 Docker，但有门槛

AIRI 提供了完整的 Docker 部署方案。apps/server/Dockerfile 基于 node:24-alpine，采用多阶段构建，将 server 和 UI 分别打包。docker-compose.yml 定义了服务编排，可以一键启动前后端。但实际部署仍需要：

• Docker & Docker Compose：基础要求
• Node.js >= 18：如果本地开发而非 Docker 部署
• pnpm >= 10：项目使用 pnpm workspace
• 8GB+ RAM：TypeScript monorepo 全量构建需要不少内存
• 20GB+ 磁盘：Docker 镜像 + Node_modules + 游戏资源

文档站点（airi.moeru.ai/docs）提供了多语言指南（中文、日语、韩语等），但具体到 self-hosted 部署指南，仍处于"早期"状态，有一定的探索成本。配置 LLM API（Groq/Gemini 等）、TTS 服务、麦克风输入等多个组件，本地部署需要逐一配置，门槛不低。

当前局限与挑战

需要坦诚地说：AirI 目前仍处于积极开发中的阶段（v0.10.2），大规模生产部署可能会遇到以下问题：

1. 配置复杂：涉及 LLM API（xAI Grok、Claude API 等）、TTS 服务、麦克风输入等多个组件，本地部署需要逐一配置
2. 资源消耗：虽然不需要 GPU，但完整的 UI + 服务端 + AI 推理对内存和 CPU 有一定要求
3. 文档缺口：相比代码的丰富度，部署和使用文档仍有完善空间
4. 生态依赖：项目对特定 AI 服务（xAI Grok、Claude API 等）有依赖，完全离线部署尚不可行

行业意义与趋势

Project AIRI 代表的，是 AI 陪伴赛道的一个分支——从"对话"升级到"共同存在"。

Neuro-sama 的成功证明了：用户不只想要一个回答问题的 AI，他们想要一个"在那里"的数字生命。VTube Studio + AI 的组合正在被更多人所认可，AIRI 的开源实现让这个能力惠及每一个有技术背景的爱好者。

从增长曲线看，AIRI 在 GitHub 上的 stars 已突破 39,000，且保持着活跃的开发节奏（v0.10.2，平均每月发布）。Discord 社区活跃，贡献者涵盖开发者、设计师和 VTuber 爱好者。这是一个真实的社区在推动的项目。

如果你对"让 AI 角色真正活起来"感兴趣，无论是想打造自己的 AI VTuber、为游戏 NPC 注入灵魂，还是探索数字陪伴的可能性，AIRI 都值得你花时间研究。它的代码质量和工程规模远超平均水平，是一个真正在做实事儿的项目。

一句话总结：AIRI 是一个野心勃勃的开源虚拟角色平台，将实时语音、游戏伴侣、Live2D/VRM 形象整合在一起，是目前开源社区中距离"复刻 Neuro-sama"最近的项目之一。