一款Live2D智能桌面助手。
Petto会定时输出名言/情境问候/时间问候，支持流式/Whisper语音识别、TTS语音合成、动作触发表情管理等。自v3.0.0起默认使用全新的Kage模式；原Live2DViewerEX ExAPI工作流保留为"兼容模式"。
v3.0.0是一个重大更新版本，包含代码重构、新增Kage默认模式、跨平台改进等多项变更。
查看完整更新日志：CHANGELOG_v3.0.0.md
| 模式 | 状态 | 文档 |
|---|---|---|
| Kage | 推荐 | docs/MODE_KAGE_zh.md |
| Live2DViewerEX兼容 | 支持 | docs/MODE_LIVE2DVIEWEREX_zh.md |
- 下载最新Release并解压
- 直接运行
petto - 首次启动若未找到Kage，会检测并提示下载
- 在设置中确认WebSocket地址(默认
ws://localhost:23333)，可选择模型JSON - 点击动作分组刷新按钮自动获取motions
- 开始对话或启用流式识别
设置→切换为兼容模式→填写ExAPI地址和模型序号。详见MODE_LIVE2DVIEWEREX_zh.md。
- 情境问候(基于天气/时间/当前窗口截图)
- 语音交互：
- 流式MASR兼容识别
- Whisper识别(OpenAI兼容)
- 后台关键词唤醒
- TTS语音播放(OpenAI兼容，提供演示端点)
- 快捷键唤醒
- Kage模式下自动获取动作列表
- 可选的窗口截图
- 更新检查与日志开关
你可以在主界面右上角的设置中详细配置Petto功能。
- Kage(默认)：现代化的WebSocket接口，自动下载，支持动作/表情/文本管理
- 详细配置说明请查看MODE_KAGE_zh.md
- Live2DViewerEX兼容：保留对旧版本的支持，需要手动配置
- 详细配置说明请查看MODE_LIVE2DVIEWEREX_zh.md
Petto支持符合OpenAI格式的语言模型API。
Petto默认配置了一个公用的语言模型：https://free-llm.cups.moe/v1，里面包含了一些可以直接使用的模型。
Key为sk-ObgTAfL0qYK6OmoYpQx2qra3EyIxdtP2DPAzz8D5wwe3Eb9l。
注：该公益服务可能会不定期更换Key或关闭，请勿滥用。
你可以自己设置角色的名字、设定、称呼等信息。
根据你正在使用的桌宠角色来编写符合你期望的角色设定吧！
LLM的回复将会受到消息示例的影响。
该设置用于给模型提供参考。如果你觉得LLM的回应不符合你的预期，你可以试着编写一段简单的消息示例传递给LLM。
如果识别地址留空，将使用Whisper识别模式。
后台识别服务会一直保持录音状态，并将语音内容回传至设置的识别地址。请注意潜在的隐私安全问题。
目前，流式识别必须使用兼容MASR的服务端识别项目的接口。
项目默认配置了一个公用的流式识别：wss://api.cups.moe/api/asr/
服务器性能一般，请轻拿轻放 :) 用得太猛我服务器可能会崩。
建议参考后文的教程自行部署MASR服务，或者使用Whisper模式。
启用后台流式识别后，Petto在后台会一直运行流式识别功能。当检测到任何一个包含后台唤醒关键词的语音时，桌宠会向你发送消息并示意你与它对话：
用户：帮帮我
桌宠：主人，有什么需要我帮忙的呢？请告诉我哦~
随后，Petto会自动地开启十秒钟的录音识别，你可以与桌宠交流，录音识别结束后，桌宠将给出回复。
与流式识别不同。Whisper识别模式必须先完整录音才能得到最后的文本，这主要影响后台识别的速度。
Petto支持符合OpenAI用法的Whisper API。
如果没有特殊情况，保持默认值即可。
填写请求一言的API地址。
Petto支持符合OpenAI用法的TTS API。
虽然默认不会填入TTS信息，但我们实际上也提供了一个即开即用的TTS服务：
TTS地址：https://api.cups.moe/api/tts/
TTS Key: ecWdn$TJ&ktP#89
该服务基于openai-edge-tts部署
设置唤醒Petto的快捷键。录制后保存即可生效。
该功能用于获取当前活动窗口的截图作为上下文信息。默认关闭。
若在设置中启用截图模式作为上下文：
- Petto会将当前活动窗口截图传递给语言模型，用于生成更贴近上下文的问候文本
- 请注意潜在的隐私安全问题
跨平台支持：
v3.0.0使用xcap进行跨平台截图，支持Windows、macOS和Linux。
注意： v3.0.0已移除旧版本的"窗口标题"功能，现统一使用窗口截图。
设置桌宠文本气泡的显示时间，单位为毫秒。
默认：3000(3秒)
- 适用于Kage模式和Live2DViewerEX兼容模式
- 控制问候语、回复消息等文本的显示时长
- (可选)在设置中，勾选"启动时隐藏窗口"
- 按Win+R键，输入shell:startup。创建一个petto.exe的快捷方式并放入该文件夹中
下文提供的模型仅训练了中文语料。你可以手动训练支持更多语言、准确率更高的模型；或者使用预训练好的模型或Whisper接口进行语音识别。
- 下载inference.pt用于本地部署。
- 下载model.pdiparams为识别结果添加标点符号。
流式：实时传输，响应快。 Whisper：先录音后识别。留空流式地址将使用Whisper。 使用语音识别请注意隐私风险。
- 支持更多语言
- 语音认证
- UI优化
- macOS支持
- Linux支持
- Kage集成
| 问题 | 排查建议 |
|---|---|
| Kage无法连接 | 检查ws地址/防火墙/端口占用 |
| 动作列表为空 | 模型JSON是否正确；刷新；查看日志 |
| 文本不显示 | 文本显示时长>0；版本是否最新 |
| 流式卡顿 | 自建MASR或切Whisper |
| 兼容模式无动作 | 动作分组是否填写正确 |
| Kage未自动检测 | 手动选择可执行文件后重启 |
欢迎PR与Issue。
GPL-3.0-or-later，详见LICENSE。
由NETJETT赞助: https://netjett.com/aff.php?aff=45
需要更详细的模式说明？请阅读：docs/MODE_KAGE_zh.md与docs/MODE_LIVE2DVIEWEREX_zh.md。