文字陪伴停在对话框、虚拟主播对着直播间、桌宠跟不上刚说的那句：小可爱 3D 陪玩把 ' 桌上有人等你下班 ' 做成本地软件

文字陪伴多半停在对话框里，虚拟主播工具默认对着直播间，桌面宠物则常常接不住用户刚刚说完的那一句。「小可爱3D陪玩」（英文名 xiaoke.ai）把这三件事收成同一次本地使用：三维角色站在使用者自己的电脑上，用语音接话，口型、表情、动作、舞蹈和镜头跟着这一句走；需要把屏幕让出来时，可以收成透明桌宠。项目由开发者独立开发。2026年9月4日，项目放出首个 Windows 安装包；10月11日将界面语言与说话语言拆开设置；10月12日的程序包加入透明桌宠。产品目前免费，没有会员。据介绍，开发成本目前由个人承担，项目尚未开展融资，也未做商业投放。

私人陪伴缺的是桌上这个人

小可爱针对的痛点，是私人使用时面前没有一个站得住的人。文字陪伴能把回复送到气泡里，用户面前仍然没有一个具象形象。虚拟主播和面捕工具的重心是推流，另一端默认有观众，服务的是对外输出。桌面宠物有身子，多数不会按刚刚这一句话更换表情、动作和镜头。三者各自已有产品，放到同一个人、同一台私人电脑上的做法还少。小可爱因此把范围收在本地运行的开源三维陪伴：角色在桌上，听得见，说得出，跳得了舞，办公时也可以把窗口让开。

从产品形态看，会反复打开的人大致是这样几类。有人下班后想在桌上看到接话、换背景、跳一支舞的形象，不满足于再开一个聊天标签。有人已经持有可合法使用的 VRM 或 MMD 模型，希望通过资产中心和角色卡换成自己的人。写代码的人旁边常常开着编程代理，桌面陪伴只在开工和收工时用表情、动作和一句短话接上，不替代这些代理写代码。还有人希望识别、合成和长期记忆留在本机，对话接口仍由自己选择，可以是云端服务，也可以是自己部署的兼容接口。项目没有披露下载量、日活或收入，传播依靠短视频和文章。项目也没有发布可核验的行业规模数字，当前判断停留在产品形态上的空档，对应的是私人电脑前的日常使用。

一句话怎样走到舞台上

技术上，小可爱把一次输入收成一次表演。麦克风或键盘先进入语音识别，软件再按本轮人设拼接提示，调用使用者自行填写的 OpenAI 兼容接口，取回流式文本。表演标签从正文里剥离，要念的字送入语音合成，口型由这句话的响度实时驱动，标签同步驱动表情、动作、舞蹈和镜头，最后落在 Three.js 搭建的同一座舞台上。这座舞台可以热切换 PMX（MMD）、VRM、GLB 三种模型。MMD 模型带头发、裙摆和飘带的布料；对 PMX 可以播放 VMD 舞蹈，VRM 和 GLB 不播这种舞蹈。背景、灯光和台面可以更换，人还是同一个人。

镜头不直接上台。景别、运镜、站位和动作的组合事先审查，数万种组合里只有通过的才使用，以便减少穿模和动作错位，使用中也可以去掉不合适的一组。回复可以按句排队，也可以打断之后接着说下一句。

语音可以选择留在本机。识别可用 SenseVoice-Small，合成可用 Qwen3-TTS 流式；机器没有 NVIDIA 显卡时，合成改用 edge-tts，这一路需要联网。浏览器语音识别和百炼 CosyVoice 仍作为在线选项。长期记忆从普通对话里抽取偏好、关系和约定，写在本机，下一轮再注回提示；扮演和塔罗默认不写入。安装包不带对话密钥。使用者不配置接口时，软件不请求外部大模型，舞台、舞蹈和带表演标签的本地兜底短句仍然可用，多轮聊天需要自己填入接口地址、密钥和模型名。对话是否聪明，取决于所接的接口。小可爱交付的是这句话说完之后，舞台上的角色同步表演。

10月11日的程序包支持把界面语言和说话语言分开，各有简体中文、英语、日语、韩语。10月12日的桌面程序可以把角色放到桌面：窗口置顶、透明，空白处点击穿透，拖动身体移动，拖动角落缩放，位置和大小会记住。空闲时角色自己走；用户说话、角色回复或正在拖动时，角色停住。桌宠是使用者从全窗口舞台切换出去的小窗，回到舞台则恢复全窗口。浏览器中的开发页没有这一层。

摄像头动捕通过 MediaPipe 读取全身、双手和脸，驱动当前角色骨骼；动捕开启时，舞蹈和闲置动画暂停。塔罗由程序发牌，模型只讲解已经翻开的那一张，不能改牌，也看不到未翻开的牌。仓库内有 80 张原创国风图，其中 78 张为牌面，另有牌背和底板，与源码同为 Apache-2.0，定位是娱乐，不提供占卜、运势或决策建议。资产中心可导入使用者有权使用的模型，角色卡把模型、人设、音色和闲置动作绑在一起。

使用时不必另装 Python 或浏览器。程序包与内容包解压到同一层，双击程序包里的程序即可启动，第一次需指定内容包所在目录；两包分开更新，更换程序不必重下体积更大的内容包。系统为 Windows 10 及以上。macOS 与 Linux 还没有安装包。源码以 Apache-2.0 公开于 GitHub，源码可以商用；品牌名「小可爱」「xiaoke.ai」不随协议赠与。演示用的角色、舞蹈、音乐和音色版权在原作者，不能随源码一并商用。

软件保持免费，收入放在后面

现阶段没有会员，也没有按次收费。目标是让 Windows 用户解压之后先看到同一个人，收费不放在打开舞台这一步。收入还没有发生。后面计划中的收费有两条，目前都还不是可以收款的产品。一条面向不想自己填写对话接口的用户，提供可以关闭的托管对话和语音，按使用量计费，开关默认关闭，自行配置接口的方式继续保留。另一条要等拿到正规授权，再出售官方角色、声音和品牌联名桌宠，内容单独授权、单独定价。现有演示资产不能直接拿去卖。软件继续开源，舞台不放进会员。塔罗维持娱乐，不做成付费占卜。由于这份代码本身允许他人商用，项目留在自己这边的，是品牌、内容授权、审查过的镜头和表演，以及 Windows 上已经能打开的完整体验。

这一个月的改动，对应的是使用里的具体问题。角色挡住屏幕，桌面程序就加上透明小窗。界面和发言需要不同语言，设置就拆成两项。安装包过重，程序和内容就分开交付。开发者表示，做这个项目，是想把「桌上有人等你下班」做成能打开的软件。

按项目规划，未来十二个月优先打磨 Windows。安装步骤还要减少，软件第一屏会写明不填接口时能做什么、填写之后多出多轮聊天，桌宠的位置、大小、点击穿透和空闲走动还要做稳。其后会评估可选的本机对话小模型，不替换使用者自己的接口，并推出带授权标注的创作者角色与场景分享格式。这两件事在做成并验证之前，项目不对外宣称完全离线就能多轮聊天。macOS 安装包是否开发，取决于 Windows 这条路径是否已经顺。再往后三到五年，核心舞台仍保持免费开源，正规授权的官方内容和默认关闭的托管服务再逐步推出。项目的长期目标，是让中文用户打开自己的电脑，就能看到专属的桌面陪伴。