Project AIRI — 開源 AI VTuber 與虛擬角色平台

ChatGPT 能跟你聊天，但它沒有臉。它沒有聲音，不會在 Minecraft 裡幫你砍樹，更不可能幫你開冷氣。大部分人對「AI 虛擬角色」的認知停留在一個會動嘴的 Live2D 模型配上 TTS 念稿——那不是虛擬角色，那是投影片加語音朗讀。

Project AIRI 做的事不太一樣。37,000 顆星，全開源，讓你從零組裝出一個有腦、有耳、有嘴、有身體的數位生命。

不是聊天機器人，是「數位生命基礎建設」

這個比喻可能有點大，但架構撐得起來。AIRI 把一個 AI 角色拆成幾個器官：

腦是 LLM，負責理解和生成語言。耳是語音辨識模組，即時聽你說話。嘴是 TTS 語音合成，把文字變成聲音回覆。身體則是 Live2D 或 3D 模型，讓角色有表情、有動作。

關鍵在「全套」。市面上多數方案讓你自己東拼西湊——這邊接一個 Whisper，那邊串一個 ElevenLabs，Live2D 另外搞——結果 latency 疊上去，對話體驗跟打國際電話一樣。AIRI 把這些全包進一個事件驅動的 WebSocket Hub，所有模組透過 server-sdk 連到中央的 server-runtime，延遲壓在體感即時的水準。

Monorepo 的規模有夠誇張

打開 GitHub 一看：pnpm workspace + Turborepo，全 TypeScript 加 Vue 3，大約 6 個 App、43 個 Package、5 個 Service、4 個 Plugin。整個 repo 大小約 887MB，1,807 個 TS/Vue 檔案。

這個數字代表什麼？代表這不是某個週末 hackathon 的產物。它是認真跑 monorepo 管理、有 CI/CD、有模組邊界的工程專案。43 個 package 意味著每個功能都被拆成獨立可測試的單元——語音辨識一個包、TTS 一個包、Minecraft 引擎一個包、Discord 整合一個包。你可以只用你要的部分。

Minecraft 認知引擎：不是 bot，是隊友

這是我覺得整個專案最有趣的部分。

一般的 Minecraft bot 就是執行指令：「去座標 (100, 64, 200) 放一個石頭」。AIRI 的 Minecraft 模組不一樣，它有一整套「認知引擎」。你可以用自然語言說：

「幫我砍一棵樹」
「跟著我」
「去找鑽石」

底層用的是 Mineflayer（Node.js 的 Minecraft bot 框架）加上一層 LLM 自然語言理解。AIRI 會把你的指令拆解成一連串遊戲動作，還會處理路徑規劃、障礙物迴避這些細節。

簡單來說，它像是一個真的會玩遊戲的 AI 隊友，不是那種站在原地等你打指令的木頭人。你對它說「天黑了，我們找個地方蓋房子吧」，它真的會開始動作。

Plugin 系統：用狀態機管生命週期

AIRI 的 Plugin 架構用了 xstate 狀態機來管理每個插件的生命週期：

1	認證 → 版本協商 → 宣告能力 → 配置 → 啟動

這個設計蠻漂亮的。每個階段都有明確的狀態轉移，不會出現「插件載入一半卡住但主程式不知道」的鬼故事。支援 local 和 remote transport，意思是插件可以跑在同一台機器，也可以跑在遠端伺服器。

目前已經有的插件生態：

Bilibili 直播——直接在 B 站開台當 AI VTuber
Discord 整合——在 Discord 頻道裡當聊天機器人
Home Assistant——控制智慧家居，叫 AI 角色幫你開燈關冷氣
瀏覽器擴充——把 AI 角色嵌入瀏覽器

Claude Code 的整合插件也在裡面，笑死，連 AI 開發工具都能跟虛擬角色串在一起。

誰在用、怎麼用

AIRI 的使用場景比想像中廣：

做 AI VTuber 直播的人可以在 Twitch、YouTube、Bilibili 開台，AI 角色自己跟觀眾互動、回覆彈幕。做 Discord 社群的可以丟一個有個性的 AI 機器人進去，不再是那種只會回「收到您的訊息」的罐頭 bot。玩 Minecraft 的可以叫一個 AI 隊友陪你探索。甚至有人拿來當 Telegram 聊天機器人，或是接 Home Assistant 控制家裡的燈泡和冷氣。

最低門檻的玩法：打開瀏覽器連 https://airi.moeru.ai，直接就能體驗。想要完整版桌面端，需要 Node.js 23 以上加 pnpm。