Dewiar：多角色语音 AI 助手

21次阅读

获取下载链

微信关注「软件教程管家」公众号，回复 dewiar-app

30秒速读

Dewiar 是一款面向多终端的多角色语音 AI 助手，覆盖 Windows、Ubuntu、Android 与自有服务器。它可以用语音唤名对话，支持插话打断，能把复杂任务交给多个 AI 角色协作完成，还能在后台跑带计划、步骤日志与结果汇总的任务。它的长处是语音交互、多角色分工、本地与云端模型双路线，以及记忆、日历与文档问答的综合能力。选它之前要先过三关：公开资料显示界面主要使用俄语，中文体验需要实测确认；许可证字段为 NOASSERTION，正式使用前要先看仓库许可证文件；跨设备同步依赖 dewiar.pro 账户，完全离线与自托管的范围要逐项确认，不能默认全离线。

软件信息表

项目	内容
名称	Dewiar
类型	多角色语音 AI 助手
适用平台	Windows、Ubuntu、Android、自有服务器
本地模型	vLLM、Ollama、llama.cpp、LM Studio
云端模型	Dewiar、OpenRouter、OpenAI、Claude 等模型接口
核心能力	语音对话与打断、多角色协作、后台复杂任务、记忆与文档问答
连接场景	日历、邮件、Telegram、MAX、Obsidian、PDF、Word、Markdown、智能家居、手机应用操作
界面语言	公开资料显示主要使用俄语，其他语言支持需看 README 或源码确认
获取方式	GitHub 开源仓库，模型与第三方服务费用按所选服务另计

上手指南

先打开 GitHub 仓库，把 README 与部署文档通读一遍，确认目标平台、语音服务与模型路线，不要只看摘要就部署。
定模型路线：想把数据留在本地就选 Ollama、vLLM、llama.cpp 或 LM Studio；想省部署成本就选云端模型接口，并提前确认调用费用。
按目标平台取对应部署方式，Windows、Ubuntu、Android 与自有服务器的包与配置各不相同，逐端安装、逐端验证。
先只加一到两个角色，用一个主角色处理日常对话，用另一个角色处理文档问答或代码任务，角色分工越清楚，协作越不容易串台。
先跑低风险任务练手：语音问答、查日历、读 Obsidian 笔记、问 PDF 与 Word 文档，确认回答与引用都对得上，再放开设备操作。
高风险操作一律保留人工确认，消息发送、设备控制、代码修改都要先看差异与结果再放行，不要一开始就开自动执行。

装完先改的六个设置

唤名与打断灵敏度：把唤醒词与打断阈值调到日常环境不误触发、说话被打断时又能及时停下，吵闹环境宁可调保守一点。
角色分工与默认角色：给每个角色写清职责与禁区，例如文档角色只读指定笔记目录，代码角色只在独立工作副本里改代码。
模型路线分流：敏感文档与私人笔记只走本地模型，通用问答再走云端模型，路线要在配置里写死，不要靠临场判断。
高风险操作确认开关：保持开启，消息发送、设备控制、代码提交这类动作必须人工确认，这是 README 明确提到的安全边界。
记忆与文档范围：只把真正需要问答的笔记、PDF、Word 与 Markdown 目录纳入检索，通讯录、日历与邮件的授权范围同样收紧到必需。
跨设备同步方式：确认是否走 dewiar.pro 账户同步，哪些数据会出本机，自托管用户要单独确认语音服务与各工具能否脱离云端运行。

真实使用场景推演

早上出门前，你对手机说一句话查今天的日程，再让它读一段 Obsidian 笔记里的待办要点，主角色回答日程，文档角色负责翻笔记，两个角色的结果汇总成一条回复，你不用在两个应用之间来回切换。下午做开发时，你把一次测试失败交给代码角色，它在独立工作副本里改代码、持续跑测试，最后交回一份差异结果，你先审差异再决定是否合并，主分支始终不被直接改动。晚上回家，你用语音记一条笔记、记一笔收支，再让它控制音乐或智能家居，同一套助手覆盖了手机、电脑与服务器三端。这个推演成立的前提是：唤名与角色分工已经调好，模型路线已经分流，高风险确认还开着，缺了任何一环，体验都会从省事变成添乱。

横向对比：它和同类工具差在哪

和单一聊天助手比，Dewiar 的优势不在单次回答质量，而在语音加多角色加后台任务的整条工作流，适合把任务交出去、等结果汇总的人。和纯文本 Agent 框架比，它的语音交互与设备操作更完整，但中文生态与界面语言是短板，团队里有人看不懂俄语界面就要先评估。和系统自带语音助手比，它可以接自有模型与自有服务器，数据路线更自主，但开箱即用的成熟集成更少，部署与维护成本明显更高。简单说：要语音、要多角色、要跨设备、要本地模型，Dewiar 值得试；只要一个中文聊天框，它就是过度设计。