Voxa是什么
Voxa是一款开源桌面语音助手，发布于askvoxa.dev，基于Tauri v2构建——这是一个用于构建轻量级跨平台桌面应用的框架，将基于Web的界面封装在原生外壳中。Voxa以MIT许可证发布。
- 核心交互模式：一个悬浮在其他窗口上方的无边框、始终置顶悬浮球——点击它即可开始实时语音对话，而不必打开单独的聊天窗口或浏览器标签页
- 模型后端可配置，并非固定于单一提供商：云端实时语音模型（Google Gemini Live或OpenAI Realtime）或自托管本地守护进程
- 基于Tauri v2构建，使用操作系统自带的Web引擎渲染界面（Windows上为WebView2，macOS上为WKWebView，Linux上为WebKitGTK 4.1），而不像Electron那样捆绑单独的浏览器引擎
- 助手搜索或被要求保存的笔记和信息，会以纯Markdown文件形式写入本地文件系统
- Voxa本身不运行任何专有后端服务器——应用自身的配置、数据和API密钥保留在用户机器上；云端调用直接发送到用户配置的模型提供商（Google或OpenAI），而非发送到Voxa运营的服务器
Voxa的核心功能有哪些
Voxa的三大标志性特征是始终置顶的语音悬浮球、基于Markdown的笔记存储，以及基于Tauri v2的开源架构。 每一项都决定了它与基于浏览器或订阅制语音助手相比的行为方式。
浮动语音悬浮球
Voxa的界面是一个无边框、始终置顶的悬浮球，而非完整的应用窗口或浏览器标签页。它始终显示在其他窗口上方，因此只需轻轻一点即可开始实时语音对话，无需将焦点从正在进行的工作中移开。
基于Markdown的笔记与搜索
Voxa在搜索信息或被要求保存内容时，结果会以纯Markdown文件形式写入本地文件系统——不会被锁定在专有数据库或纯云端笔记存储中。由于Markdown是纯文本格式，无论Voxa是否在运行，这些文件都可以在任何文本编辑器或笔记应用中读取和编辑。
开源：Tauri v2与MIT许可证
Voxa基于Tauri v2构建，以MIT许可证发布——这是一种宽松的开源许可证，对查看、修改或再分发源代码没有限制。Tauri应用使用操作系统自身的Web渲染引擎来渲染界面，而不是捆绑单独的浏览器引擎，因此各平台的要求都绑定在该平台特定版本的操作系统Web引擎上（见下方平台部分）。
Voxa真的是本地运行的吗
Voxa是一款混合型应用，而非完全在设备端运行的应用——在将其作为"本地AI"工具选用之前，务必厘清这一区别。 它为实时语音模型支持两条独立的后端路径，其中只有一条能将推理保留在用户自己的硬件上。
- 云端实时语音模型——Voxa可以通过Google Gemini Live或OpenAI Realtime路由实时语音对话。此路径需要互联网连接以及用户在该提供商处的API访问权限/凭证；语音模型本身运行在该提供商的服务器上，而非用户设备上。
- 自托管本地守护进程——Voxa也可以指向用户自行配置和运行的本地守护进程，将语音模型推理保留在自己的机器或网络上，而不是将音频发送给云端提供商。这条路径才是让Voxa发挥本地AI工具作用的方式，但这是需要用户自行完成的可选设置，而非默认行为。
📌注: 无论选择哪种后端，始终保留在本地的内容：应用自身的配置、笔记（保存为纯Markdown文件）和API密钥——这些都存储在用户自己的机器上，而非Voxa运营的服务器上。默认情况下不会保留在本地的内容：实时语音模型本身，除非已配置自托管本地守护进程路径。
Voxa在Windows、macOS和Linux上的表现
Windows
- 预期表现:
- Voxa使用WebView2渲染界面，这是微软随现代版Windows附带的基于Chromium的Web引擎。需要最新的WebView2运行时，悬浮球界面和语音UI才能正确显示。
macOS
- 预期表现:
- Voxa使用苹果内置的Web渲染引擎WKWebView来渲染界面。由于Tauri依赖操作系统提供的引擎而非自带引擎，其行为会随macOS版本自带的WKWebView版本而变化。
Linux
- 预期表现:
- Voxa在Linux上使用WebKitGTK 4.1渲染界面。这是一个具体的WebKitGTK版本，而非"任意WebKit构建版本"——安装前请确认所用发行版打包了WebKitGTK 4.1（或兼容版本），因为较旧的发行版软件包版本可能不匹配。
由于Tauri v2通过各操作系统自身的Web引擎（而非捆绑的浏览器引擎）渲染界面，各平台准确的最低操作系统/引擎版本无法在此固定为一个永久数字——安装前请直接在askvoxa.dev确认当前的平台要求。
谁适合使用Voxa
正确的选择取决于始终可见的语音悬浮球和基于Markdown的笔记是否符合用户与助手交流的方式，以及在完全本地推理很重要的情况下，用户是否愿意自行配置本地守护进程。
在以下情况使用Voxa
- 需要一款以小型浮动悬浮球形式保持可见的语音助手，而不是必须切换到的完整窗口或浏览器标签页
- 希望笔记以纯Markdown文件形式保存，可以在应用之外打开、搜索和编辑，而非专有格式
- 愿意使用带有自己API访问权限的云端实时语音提供商（Gemini Live或OpenAI Realtime），或者如果需要推理保留在自己硬件上，愿意自行配置自托管本地守护进程
- 倾向于选择可查看或修改源代码的开源MIT许可应用，而非闭源订阅制助手
在以下情况考虑其他工具
- 需要开箱即用、完全本地、零配置的语音助手——Voxa的默认路径依赖云端，纯本地运行需要用户自行配置自托管守护进程
- 寻找的是移动应用而非桌面工具——Voxa面向Windows、macOS和Linux桌面，而非iOS或Android
- 需要每个组件都明确说明的、完全文档化的端到端开源语音管线（语音转文本、LLM、文本转语音）——可参阅在手机上搭建本地语音助手或搭建本地语音助手：完整指南，了解这类完全明确说明的管线
评估Voxa时的常见误解
关于Voxa的大部分困惑，源于假设它要么表现得像纯本地应用，要么表现得像纯云端应用，而实际上它被设计为二者可配置的混合体。
误解1：认为Voxa默认完全离线运行
Voxa默认、摩擦最小的路径是云端实时语音模型（Gemini Live或OpenAI Realtime），需要互联网连接以及该提供商的API访问权限。完全本地的离线运行是可行的，但仅限于用户自行配置并运行自托管本地守护进程之后。
误解2：认为"开源"意味着"没有云端调用"
Voxa自身应用代码是开源的（MIT许可证、Tauri v2）这一事实，与用户选择使用哪种语音模型后端是两回事。开源应用代码依然可以被配置为将实时音频发送给第三方云端提供商——需要检查实际配置的是哪条后端路径，而不仅仅是应用的许可证。
误解3：期望在每台设备上自动获得相同的Markdown笔记
笔记以纯Markdown文件形式保存在运行Voxa的机器的本地文件系统中。除非用户另行设置自己的同步方式（云盘文件夹、git仓库或类似方式），否则一台机器上的笔记不会自动出现在另一台机器上。
误解4：安装前未检查平台Web引擎要求
由于Voxa基于Tauri v2构建，其界面依赖操作系统自身的Web引擎——Windows上为WebView2，macOS上为WKWebView，Linux上为WebKitGTK 4.1——而非捆绑的浏览器引擎。系统上引擎过时或缺失可能导致悬浮球界面无法正确渲染；在认定安装问题是Voxa本身的缺陷之前，请先确认所用平台的引擎是否为最新版本。
常见问题
Voxa是什么？
Voxa是一款基于Tauri v2构建的MIT许可开源桌面语音助手，可在askvoxa.dev获取。它以无边框、始终置顶的悬浮球形式呈现，点击即可开始实时语音对话，后端可以使用云端实时语音模型或自托管本地守护进程。
Voxa是免费的吗？
Voxa自身的应用代码以MIT许可证开源。如果使用云端实时语音后端（Gemini Live或OpenAI Realtime），则需遵循该提供商自己的定价和API条款，这与Voxa本身无关。请直接向Google或OpenAI确认Gemini Live或OpenAI Realtime的当前定价。
Voxa能完全离线运行吗？
只有在配置了自托管本地守护进程路径的情况下才可以。默认情况下，Voxa被设置为使用云端实时语音提供商（Gemini Live或OpenAI Realtime），这需要互联网连接。完全离线的配置是可行的，但需要用户运行自己的本地守护进程并将Voxa指向它。
Voxa支持哪些平台？
Windows（使用WebView2引擎）、macOS（使用WKWebView）和Linux（使用WebKitGTK 4.1）。Voxa是基于Tauri v2构建的桌面应用，而非iOS或Android的移动应用。
Voxa将笔记存储在哪里？
以纯Markdown文件形式存储在本地文件系统中，而非专有数据库或纯云端格式。这意味着无论Voxa是否已安装或正在运行，笔记都可以在任何文本编辑器中读取和编辑。
Voxa会将我的API密钥或数据发送到其他地方吗？
配置、数据和API密钥存储在用户自己的机器上。如果使用云端实时语音后端，音频和对话数据会被发送到用户配置的提供商（Google Gemini Live或OpenAI Realtime），遵循该提供商自己的数据处理条款——而不是发送到Voxa单独运营的服务器。
Voxa中云端后端和本地守护进程后端有什么区别？
云端后端（Gemini Live或OpenAI Realtime）通过该提供商的服务器运行实时语音模型，需要互联网连接以及该提供商的API访问权限。自托管本地守护进程后端将语音模型推理保留在用户自己控制的硬件上，但用户需要自行配置和运行该守护进程——它并非预先配置好的。
Voxa是开源的吗？
是的。Voxa基于Tauri v2构建，以MIT许可证发布，这是一种允许查看、修改和再分发源代码、且不限制商业用途的宽松许可证。
我能在没有互联网连接的情况下使用Voxa吗？
只有在已配置并正在运行自托管本地守护进程作为语音模型后端的情况下才可以。云端实时语音路径（Gemini Live或OpenAI Realtime）需要网络连接才能运行。
Voxa是否需要我的系统上有特定的浏览器引擎？
是的，间接需要——由于基于Tauri v2构建，Voxa通过操作系统自身的Web引擎渲染界面：Windows上为WebView2，macOS上为WKWebView，Linux上为WebKitGTK 4.1。安装前请确保相应引擎存在于系统上且为最新版本。