用途：提供纯 API 的实时语音对话能力，基于 xiaozhi-esp32-server 架构。支持两种模式：部署完整语音对话服务（服务端+客户端），或在新项目中嵌入语音对话客户端代码。核心链路为麦克风→Opus 编码→WebSocket→服务端[VAD→ASR→LLM→TTS]→Opus 音频流→扬声器，全链路支持打断。
主要能力：支持 50+ Provider 组合，涵盖 ASR（FunASR、DoubaoASR、AliyunASR、OpenaiASR、Qwen3ASRFlash 等）、LLM（ChatGLMLLM、DeepSeekLLM、OllamaLLM、GeminiLLM 等）、TTS（EdgeTTS、DoubaoTTS、OpenAITTS、GPT_SOVITS、QwenTTSClone 等）及 Memory（nomem、mem0ai、powermem、mem_local_short）。提供声音克隆，使用 DashScope Qwen-TTS 复刻，需 10~20 秒清晰人声音频。
使用方式：服务端需 Python 3.10+，macOS 执行 brew install opus portaudio ffmpeg，Linux 执行 apt install libopus-dev portaudio19-dev ffmpeg；克隆仓库后运行 bash ~/.claude/skills/realtime-voice-chat/scripts/setup_server.sh，编辑 data/.config.yaml 选择预设（china_free、china_quality、global_openai、local_ollama），再执行 python app.py，监听 ws://0.0.0.0:8000/xiaozhi/v1/。客户端可复制 voice_chat_client.py 并安装 websockets pyaudio opuslib 后运行，或使用 voice_chat_api.py 嵌入项目。
适用场景：搭建实时语音对话服务、为项目添加语音交互、完全离线运行（local_ollama 预设）、声音克隆。
限制：需自行准备各 Provider 的 API Key 或本地模型；音频参数固定为输入 16kHz 单声道 60ms、输出 24kHz 60ms、Opus 编码；realtime 全双工模式需 AEC；具体收费、价格与效果资料未提供。