核心用法
Jarvis Voice 是一款为AI助手赋予《钢铁侠》JARVIS风格语音的离线TTS工具。它采用 Sherpa-ONNX 推理框架运行 Piper en_GB Alan (medium) 模型，配合精心设计的 ffmpeg 音效链（音高+5%、镶边效果器、15ms回声、高通滤波+6dB高频增强），实现标志性的冷峻金属质感英音。
核心输出模式为混合输出：每次语音响应需同时包含 视觉转录（**Jarvis:** *文本* 格式，自动渲染为紫色斜体）和 后台音频执行（exec(command='jarvis "文本"', background=true)）。
显著优点
- 完全离线：零网络延迟，零API费用，隐私敏感场景适用
- 标志性音色：2倍速播放+多阶段音频处理，还原电影级AI听感
- Webchat原生适配：自动紫色样式渲染，视觉辨识度极高
- 跨平台扩展：支持标准扬声器输出（
aplay）及WhatsApp语音消息（OGG/Opus）
潜在局限
- 英语独占：Alan模型仅支持英文，非英语内容需先翻译/摘要
- Linux限定：依赖ALSA音频系统，macOS/Windows需额外适配
- 硬编码配置：音调、音效参数固化于脚本，调整需手动修改
- 1500字符限制：超长文本可能截断
适合人群
- 追求沉浸式AI交互体验的技术爱好者
- 需要离线语音方案的边缘计算/隐私敏感场景
- 电影《钢铁侠》JARVIS风格的还原需求者
常规风险
- 后台shell执行固定命令，虽无动态注入风险，仍需审计
jarvis脚本 - 临时文件（
/tmp/jarvis_*.wav）依赖正常清理机制 - 音频设备占用冲突可能导致播放失败
- 依赖环境变量
SHERPA_ONNX_TTS_DIR和模型路径正确配置