一个住在你屏幕里的 AI 小精灵：按住说话、随时打字，它能看到你的屏幕、圈出正在讨论的东西，还会在你不注意的时候冒出来吐槽两句，平时它就在屏幕上散步溜达。
基于 Python + Tkinter，毛玻璃（Win32 Acrylic）界面，语音走 Whisper 识别 + edge-tts / DashScope 合成，对话走 OpenAI 兼容接口（可接任意供应商）。
- 语音对话：按住快捷键说话，松开发送（自动打断 AI 说话，barge-in）
- 打字聊天：呼出输入框打字，Enter 发送
- 屏幕视觉：对话时发送屏幕截图，AI 结合画面回答
- 屏幕指示：AI 用
[[指示:圈:50,30,12]]这类标记内联指出位置，程序在屏幕上实时画圈圈、框、箭头（最多 10 个，按语音节奏依次圈） - 指示状态机：红色指示会变形——录音时变方块脉冲、等待回复时转圈加载、空闲时散步游走
- 散步精灵：启动就在屏幕上散步的红色小光标，闲时随机游走
- 说话气泡：跟随指示的毛玻璃字幕气泡，逐句滚动（长句自动扩高看全），说完话才消失
- 飘屏弹幕：可选开关（默认关），怀念旧版弹幕可打开，与气泡共存
- 随机吐槽：每隔一段时间 AI 自己看一眼屏幕，主动开口（间隔可调）
- 毛玻璃设置窗口：API / TTS / 通用 / 对话历史 / AI 人设 / 快捷键，全部可视化配置
- 自定义快捷键：按住说话、聊天、设置、打断语音、框选截图——任意按键组合可录制
- AI 人设可切换：默认暖友 / 毒舌损友 / 自定义人设（保存即热切换，无需重启）
- Windows 10 1809+（毛玻璃效果需要）
- Python 3.10+
- 一个 OpenAI 兼容的 LLM API（密钥）
# 1. 克隆并安装依赖
git clone <repo-url>
cd DeskSprite
python -m venv .venv
.venv\Scripts\activate
pip install -r requirements.txt
# 2. 配置密钥
copy .env.example .env
# 编辑 .env，填入 GG_API_KEY（OpenAI 兼容接口密钥，GG_BASE_URL 可换成你自己的服务地址）
# 3. 运行
python main.py语音识别使用 faster-whisper。默认模型
small（首次运行自动从 HuggingFace 下载，约 460MB）。 在设置窗口的「通用」页可改成base/medium或本地模型目录。GPU 用户把 Whisper 设备设为cuda。
| 操作 | 默认快捷键 | 说明 |
|---|---|---|
| 按住说话 | V |
按住录音，松开发送；AI 说话时按下可打断 |
| 聊天输入框 | F2 |
Enter 发送，Shift+Enter 换行，Esc 收起 |
| 设置窗口 | F3 |
所有配置可视化 |
| 打断语音 | （未设置） | 可在设置里录制 |
| 框选截图 | （未设置） | 隐私模式（开发中） |
所有快捷键都可以在 设置 → 通用 里点「录制」重新绑定，支持任意按键组合（如 Ctrl+Alt+V）。
AI 人设：设置 → AI 人设，可选「默认暖友」「毒舌损友」，或自定义写一段人设文本。
不需要装 Python 也能运行：在装好全部依赖的机器上执行 build_exe.bat（自动安装 PyInstaller 并打包），产物为 dist\DeskSprite.exe，双击即启动。
- 打包后
settings.json/history.json/.env都存放在 exe 所在目录（首次运行前把.env.example复制为.env填入密钥） - exe 体积较大（含 faster-whisper 识别引擎，数百 MB），启动稍慢属正常
main.py 入口：装配服务、启动 GUI 与后台线程
config.py 配置读取（.env + settings.json）
core/ 控制流（对话编排、随机吐槽、键盘监听、人设预设）
services/ LLM 客户端、Whisper 识别、TTS 合成
ui/ Tkinter 界面（毛玻璃设置窗、聊天输入框、弹幕、屏幕画笔）
utils/ 快捷键解析、截图、持久化
架构约定：GUI 跑在 Tk 主线程；录音、LLM、TTS、吐槽、键盘监听都在后台线程，通过队列向 GUI 发指令，后台不直接碰 Tk。
- 程序会定时或对话时截取你的屏幕，连同对话内容一起发送给你配置的 LLM API（第三方服务）
- 随机吐槽默认每 30~300 秒截屏一次，可通过设置拉长间隔或未来版本关闭
- 对话历史保存在本地
history.json，密钥保存在.env - 建议使用可信任的 API 供应商，并留意自己屏幕上的敏感信息
语音识别模型下载很慢 / 失败
设置 WHISPER_MODEL_PATH 为本地已下载的模型目录，或科学上网后重试。
没有声音 / 语音合成失败
默认使用 edge-tts（免费，无需密钥）。若使用 DashScope 后端，需在 .env 填写 QWEN_API_KEY。
毛玻璃不生效 需要 Windows 10 1809+ 且系统主题为正常桌面会话（远程桌面/部分精简系统无效果，会退回普通窗口）。
快捷键没有反应 检查是否有其他软件占用了相同组合；自己在设置里重新录制一个试试。