autopreso

准备演讲时，我们常陷入两难：精心制作幻灯片耗时耗力，即兴发挥又缺乏视觉支撑。autopreso 是一个本地运行的智能白板工具，让你只需开口说话，AI 代理就能实时在 Excalidraw 画布上绘制、标注和排版，真正实现”你说即所画”。

无需点击、无需切换窗口，只需放置几个种子元素（如标题、议程），点击开始，然后像平常一样演讲。autopreso 会将你的语音流式转录，驱动 AI 代理动态编辑白板内容，让演示过程自然流畅、视觉同步。

核心亮点：免提、本地、灵活

1. 语音驱动，真正免提

• 实时转录：语音通过浏览器麦克风采集，经 Moonshine（本地）或 OpenAI Realtime（云端）流式转录为文本。
• 智能绘图：转录文本实时送入代理模型（OpenAI/Codex/Ollama），模型通过工具调用动态操作 Excalidraw 场景。
• 零点击交互：无需手动编辑，演讲过程中所有内容自动生成与调整。

2. 完全本地运行，隐私优先

• 本地服务器：Express + WebSocket 服务仅绑定 127.0.0.1，数据不出本机。
• 全栈本地选项：使用 Moonshine 进行本地语音转录 + Ollama 作为代理模型，实现 100% 离线运行。
• 开源透明：代码完全开源，无隐藏数据收集，社区可审计与贡献。

3. 多模型后端，灵活适配

• 云端高性能：支持 OpenAI API 或 Codex 订阅，利用前沿模型实现高质量绘图。
• 本地低成本：通过 Ollama 运行本地模型，无需 API 费用，适合敏感数据场景。
• 自动检测：首次运行时根据环境变量自动选择可用后端，后续可在应用内自由切换。

4. 种子内容 + 预热机制，冷启动无忧

• 暂存画布：在”staging”模式下预先放置标题、议程、参考图等种子元素，为代理提供上下文引导。
• 预热循环：点击开始后，代理会基于种子内容和指令预先”热身”，避免首句响应延迟。
• 双模式切换：staging 模式用于准备，live 模式用于演讲，流程清晰自然。

工作原理：四步实现语音→绘图

  ┌──────────┐   audio    ┌──────────────┐   text   ┌──────────────┐
  │   mic    │──────────► │     STT      │────────► │  whiteboard  │
  │ (browser)│   24kHz    │ Moonshine /  │ chunks   │    agent     │
  └──────────┘            │ OpenAI WS    │          │ (OpenAI /    │
                          └──────────────┘          │  Codex /     │
                                                    │  Ollama)     │
                                                    └──────┬───────┘
                                                           │ tool calls
                                                           ▼
                                                  ┌────────────────┐
                                                  │   Excalidraw   │
                                                  │  scene (live)  │
                                                  └────────────────┘

1. 语音采集：浏览器捕获 24kHz 音频流。
2. 流式转录：音频分块发送至 STT 引擎（Moonshine 本地或 OpenAI Realtime 云端），实时输出文本。
3. 代理推理：文本送入代理模型，模型结合暂存内容和指令，生成 Excalidraw 工具调用（如绘制形状、添加文字、移动元素）。
4. 画布更新：工具调用实时作用于 Excalidraw 场景，用户所见即所得。

快速开始：三步开启智能演讲

1. 安装与启动

推荐：全局安装

npm install -g autopreso
autopreso

免安装：直接运行

npx autopreso

源码安装

git clone https://github.com/kunchenguid/autopreso.git
cd autopreso
npm install
npm start

启动后访问 http://127.0.0.1:3210。

2. 配置与准备

• 放置种子内容：在暂存画布拖放标题、议程、参考图等元素。
• 选择模型：在设置面板选择麦克风、转录引擎（Moonshine/OpenAI）、代理模型（OpenAI/Codex/Ollama）。
• 可选指令：输入代理指令（如”用简洁的图示解释概念”），最多 10 万字，自动保存。

3. 开始演讲

点击 “Start Preso”，代理预热后进入 live 模式。开始说话，观察白板实时响应。敏感操作前代理会请求确认，你始终拥有最终控制权。

配置详解：环境变量与持久化设置

自动检测逻辑（首次运行）

💡 优先级：Codex CLI > OLLAMA_MODEL > OPENAI_API_KEY。转录引擎：有 OpenAI Key 则用 Realtime，否则用 Moonshine。

持久化配置

设置存储在 ~/.config/autopreso/settings.json，包括：

• 模型选择与 API Key
• STT 引擎偏好
• 代理指令（自动保存，下次生效）

常用环境变量

适用场景

• 教学与培训：边讲解边绘制知识图谱、流程图，学生实时看到思维过程。
• 产品演示：即兴展示功能逻辑，无需提前制作幻灯片，灵活响应观众提问。
• 头脑风暴：团队讨论时，语音驱动白板自动整理想法，提升协作效率。
• 个人笔记：口述思路，自动生成可视化笔记，便于回顾与分享。
• 无障碍辅助：为行动不便的用户提供语音控制的内容创作工具。

⚠️ 注意事项（Alpha 阶段）

• 开发中：可能存在界面粗糙、功能变更或绘图异常，欢迎提交 Issue 反馈。
• 平台限制：本地 Moonshine 转录目前仅支持 darwin-arm64 和 darwin-x64，其他平台请选用 OpenAI Realtime。
• 网络要求：使用云端模型需稳定网络连接；全本地模式需提前下载 Ollama 模型。
• 权限控制：代理操作画布前会请求确认，但复杂场景下仍建议人工复核关键内容。