OpenAmika 是 MekaHime 旗下 AI 伴侣 Amika 的开源版本。它将 Live2D 虚拟形象、实时语音对话、长期记忆和可切换的语言模型后端整合在一起,目标是在用户自己的电脑上运行一个能记住你的语音伴侣。项目主要使用 Python 编写,GitHub 上约有 670 个 Star 和 85 个 Fork。
它是什么
Amika 被设定为一名 Live2D 动漫风格角色,可以通过语音和文字与用户实时交流,并记住过往对话。她默认运行在本地 Windows 电脑上,语言模型部分可以选择通过 OpenRouter 调用云端模型,也可以完全本地化,交给 Ollama 运行。除本地安装外,项目还提供了浏览器托管版本。
主要功能
- Live2D 形象:项目包含 Amika 的 Live2D 模型,安装流程中会下载并配置。
- 实时语音:支持语音识别与语音合成,语音相关处理在本地运行;用户通过页面上的电源和麦克风按钮控制。
- 长期记忆:对话和事实会保存在本地记忆目录中,项目提供记忆备份与清除选项。
- 双模式语言模型:半本地模式通过 OpenRouter 使用项目测试过的模型;完全本地模式使用 Ollama,要求模型规模达到 27B 参数以上,70B 以上体验更完整。
- 摄像头“眼睛”:可选功能。开启后,本地小模型会描述摄像头画面,只有描述文本会传给语言模型;可在设置中关闭。
- 工具与助手:通过 Hermes Agent 或 nanoMuse 等助手执行浏览器、文件、邮件草稿等任务,风险步骤需要用户确认。
- 智能家居与消息平台:可控制已配对的 Zigbee 插座;支持通过用户自己的 Discord 和 Telegram 机器人进行文字交流。
运行环境与安装方式
本地安装面向 Windows 10 或 Windows 11,需要 NVIDIA 显卡(RTX 20 系列或更新,至少 8 GB 显存)、Python 3.11(3.12 也可,3.13 及以上不支持)、Git,以及约 40 GB 可用磁盘空间。完整安装下载量约 16 GB,耗时约 30 到 60 分钟。
项目 README 给出了 7 步安装流程:安装 Python 与 Git、在目标文件夹打开 PowerShell、克隆仓库、运行 Windows 安装脚本、下载语音与 Live2D 模型、启动程序、在首次运行窗口中填入 OpenRouter 密钥。安装完成后可通过 Start_OpenAmika.bat 启动,浏览器会打开本地页面。项目还提供了更新脚本,更新前会备份记忆和设置。
如果电脑不满足本地运行条件,README 建议直接使用浏览器托管版本。项目没有提供 macOS 或 Linux 的本地安装说明。
模型选择与成本
在半本地模式下,语音、记忆和视觉等部分仍在本地运行,语言模型通过 OpenRouter 按量计费。README 提到默认模型下每轮对话成本约为 0.002 美元,并给出了按对话轮数估算的月度成本。OpenRouter 为预付费模式,账户没有余额时回复会失败。
完全本地模式需要额外显存来承载语言模型:27B 模型约需 19 GB,32B 模型约需 24 GB,70B 模型约需 50 GB,且要叠加 Amika 自身约 5.5 GB 的显存占用。README 还提醒,本地模型应选择支持中文的模型,因为她的提示词使用中文编写;小于 27B 的模型可能导致角色性格丢失、记忆混乱或回复格式异常。
隐私与数据流向
在半本地模式下,用户语音的文字内容、当前轮次所需的记忆以及摄像头画面的描述会发送到 OpenRouter;语音和摄像头原始画面留在本地。完全本地模式且不启用助手时,数据不会离开用户电脑。Discord 和 Telegram 功能通过用户自己的机器人运行,只有被允许的用户 ID 能接触到她。
适用人群
OpenAmika 适合希望在自己电脑上运行一个具备 Live2D 形象、实时语音和长期记忆的 AI 伴侣的用户,尤其是拥有 Windows 与 NVIDIA 显卡、愿意配置 Python 环境和模型后端的开发者或爱好者。对于不想处理本地环境、或硬件不满足要求的用户,项目提供了浏览器版本作为替代。
注意事项
项目许可证标识为 NOASSERTION,使用和分发前需要查看仓库中的 LICENSE 文件。本地安装步骤较多,README 对常见错误给出了排查说明,并建议遇到问题时查看日志或前往 Discord 求助。更新和清除记忆前应备份 memory_f 与 brainmemories 目录。
项目主页:https://github.com/zeekk0/OpenAmika
项目地址:OpenAmika
相关推荐
用 Agent 系统优化本地 LLM 推理速度:inference-optimisation-skill 项目介绍
Lastbook:把生存手册、离线地图和本地 AI 装进一台电脑的开源离线知识库
WebsiteBench:评测 AI 智能体能否通过浏览器探索重建完整网站
Auto Ontology MCP:把语义层接入 Claude、ChatGPT,让数据库问答不再“静默出错”
PeakCut:开源自托管的 AI 视频切片工具,把长视频和直播变成竖版短片
ai-texture-forge:在 Blender 视口里用 AI 生成无缝 PBR 纹理的插件
STE80 Humanizer:两步改写,让 AI 文本读起来像人写的
smolmaxxing:在电视盒子、旧iPad和手机上跑起16B到80B大模型
最近更新
OpenAmika:可本地运行的 Live2D AI 伴侣,支持实时语音与长期记忆
OpenAmika 是 MekaHime AI 伴侣 Amika 的开源版本,集成本地 Live2D 形象、实时语音、长期记忆,并支持 OpenRouter 或 Ollama 两种语言模型后端,面向 Windows 与 NVIDIA 显卡用户。
用 Agent 系统优化本地 LLM 推理速度:inference-optimisation-skill 项目介绍
inference-optimisation-skill 是一个面向 AI Agent 的本地 LLM 推理优化技能,用“先算理论上限、单变量改动、交错对照测量、长上下文验收”的工作流,系统提升解码、预填充、KV 缓存、启动时间和首 token 延迟表现,支持 Claude Code 等可加载 SKILL.md 的 Agent。
Lastbook:把生存手册、离线地图和本地 AI 装进一台电脑的开源离线知识库
Lastbook 是一个面向 macOS、Windows 和 Linux 的离线生存知识库,整合手册、视频、百科、离线地图和可选本地 AI,首次下载后即可在断网环境使用。本文介绍其功能、运行环境、安装方式、隐私设计和适用场景。
WebsiteBench:评测 AI 智能体能否通过浏览器探索重建完整网站
WebsiteBench 是一个面向 AI 智能体的网站重建评测基准,包含 70 个网站任务和 46,916 个隐藏测试用例,要求智能体通过浏览器探索反向工程出功能和视觉都接近原站的全栈版本。
Auto Ontology MCP:把语义层接入 Claude、ChatGPT,让数据库问答不再“静默出错”
Auto Ontology MCP 是一个基于 Python 的 MCP 服务器,把 NVIDIA Auto Ontology 的语义层接入 Claude、ChatGPT、Cursor 等客户端。它不需要 LLM API key,由客户端模型完成语言步骤,服务器负责 schema 扫描、键推断、SQL 校验和本地知识库存储,帮助减少 Text-to-SQL 的静默错误。
PeakCut:开源自托管的 AI 视频切片工具,把长视频和直播变成竖版短片
PeakCut 是一个自托管的 AI 视频切片工具,能把长视频和直播自动转成带字幕的 9:16 竖版短片,支持自带 AI 密钥、实时直播切片和连接社交平台发布。
ai-texture-forge:在 Blender 视口里用 AI 生成无缝 PBR 纹理的插件
ai-texture-forge 是一个 Blender 插件,可在 3D 视口内用文本提示生成无缝 PBR 材质、概念图和场景级投影纹理,支持本地 GPU 或云端扩散模型,面向 Windows x64 和 Blender 4.2+。
STE80 Humanizer:两步改写,让 AI 文本读起来像人写的
STE80 Humanizer 是一个面向 AI Agent 的写作技能,先用 26 条规则清理 AI 写作痕迹,再把句子结构向 ASD-STE100 简化技术英语靠拢到约 80%。本文介绍它的两步方法、三种模式、安装方式、检查脚本和适用边界。
smolmaxxing:在电视盒子、旧iPad和手机上跑起16B到80B大模型
smolmaxxing 是基于 llama.cpp 的端侧推理项目,已在电视盒子、旧 iPad 和 OnePlus 手机上实测运行 2B 到 80B 模型,通过定制内核、内存裁剪、专家按需从闪存读取等技术,让模型大小超出可用内存的设备也能完成推理。
Freebie Radar:835 Star 的福利聚合雷达,57 个源定时采集并用 AI 过滤假福利
Freebie Radar 是一个自托管的福利与多兴趣信息聚合雷达,用 57 个源定时采集、AI 语义审核过滤假福利,并按获取方式分级和多路由推送到 Telegram。项目基于 TypeScript 与 SQLite,支持 Docker Compose 快速启动,GitHub 上已有 835 Star。



