Skip to content

Releases

v1.4 — 修复字幕有字无声,新增模型思考开关

Choose a tag to compare

@Cherry1Jay Cherry1Jay released this 12 Nov 07:15

修复「字幕有字、听不到声音」

对方连说长句时会出现:字幕显示一长串、通话像卡死、但一点声音都没有。

根因:推理型模型把 max_tokens 全烧在思考上 → content 为空 → 旧代码兜底把 reasoning_content 当答案 → 520 字思维链写进字幕并塞给 TTS → TTS 读不动直接放弃播放,状态机也被带歪。

改动

  • 删除 content = reasoning_content 兜底,正文为空即判定该轮失败,宁可不说话也不念内心戏
  • 新增「允许模型思考」开关,默认关闭(模型接口卡片底部)
    • 关闭:提示词要求直接作答、max_tokens 压到 320、正文为空直接走兜底话术
    • 打开:预算放宽到 700,允许从思考过程里提取台词
  • 播报超时改为按字数动态计算:6s + 字数 × 400ms(上限 60s)。原来写死 8 秒只够播 24 个字,回复稍长就被掐断
  • 播报文本按句子边界硬截到 80 字,避免 TTS 静默放弃
  • 两道净化:回复: 标记截取 + 元话语污染判定(长文且命中 3 个以上元话语词时只认引号内台词)
  • 日志增加 模型原始:content=X字 reason=Y字,方便判断模型到底返回了什么
  • build.sh 修掉 Manifest 静态版本号覆盖命令行参数的坑

实测

对方连问 6 轮(最长 95 字),模型 reason 仍有 36–412 字(deepseek-flash 属强制思考,开关关不掉),但 content 都有正文,字幕与语音一致、无卡顿。

若你的模型顽固思考到正文为空,换 deepseek-chat 或把开关打开。详见 README「已知限制」。

完整更新日志:https://github.com/Cherry1Jay/AICallAgent#更新日志

v1.2 — 包名变更为 io.github.cherry1jay.aicallagent

Choose a tag to compare

@Cherry1Jay Cherry1Jay released this 11 Nov 09:07

包名换成了 io.github.cherry1jay.aicallagent(原来是 com.cherryjay.aicallagent)。

原因:LSPosed 模块仓库要求 applicationId 反写的域名必须归开发者本人所有,com.cherryjay 对应的 cherryjay.com 不是我的,cherryjay.top 虽然是但不想为这个模块在根域挂 TXT 验证记录,于是改用 io.github.<GitHub 用户名> 前缀。

这是全新安装:先卸载旧版再装,API Key、人设、六类提示词都要重新填一次。模块数据无法在变更 applicationId 后自动继承。

其它

  • 构建脚本支持 VERSION_CODE / VERSION_NAME 环境变量,产物名跟随版本号
  • 已上架 LSPosed 官方模块仓库:Xposed-Modules-Repo/io.github.cherry1jay.aicallagent

与 1.1 的功能一致

1.1 是首个真正可用的版本,修了三件事:配置读不到(Key 填了不生效)、连续对话卡死、熟人被误判成陌生号码。详见 v1.1 release。

v1.1 — 修复配置读取与连续对话卡死

Choose a tag to compare

@Cherry1Jay Cherry1Jay released this 11 Nov 08:54

v1.1

v1.0 在真机上跑不通,这版把三个致命问题修掉了。

修好「填了 Key 却不生效」

Hook 跑在小爱进程里,currentApplication() 拿到的是小爱的 Context,读的是小爱私有 prefs,永远是空的;同时 Manifest 里没声明跨进程读取用的 ContentProvider,通道一直静默失败——所以 token 从未被消耗过。

现在 Config.load() 检测到不是自己进程就走 ContentResolver.call 让模块进程代读,provider 只放行 com.miui.voiceassist,API Key 不会被别的应用读走。

修好「连续对话卡住」

原因 修法
分类 + 模型裸调用,DNS/通讯录一卡回合就永不结束 整轮 FutureTask,9 秒硬超时并播过渡话术
跨进程写日志是同步调用,阻塞引擎线程 日志改独立线程,绝不阻塞通话线程
播报兜底要等 60 秒才补发回合结束信号 压到 8 秒,另加 15 秒看门狗

修好「熟人被当成陌生号码」

Telecom 的 callerDisplayName 日常来电都是空的,改用 ContactsContract.PhoneLookup 自己查通讯录(小爱进程自带 READ_CONTACTS)。

其它

  • 通讯录联系人默认提示词改为猫娘口吻(每句带「喵」、自称「人家」),可逐字改
  • 熟人开场白内置默认短句,加句号停顿避免 TTS 吞字
  • takeOverCallWithAi 按通话去重,实测从一通电话 8 次降为 1 次

完整说明见 README

v1.0 · 首个可用版本

Choose a tag to compare

@Cherry1Jay Cherry1Jay released this 11 Nov 07:46

把小米 AI 通话的大脑换成任意 OpenAI 兼容大模型。

功能

  • 按来电类型分流:外卖送餐 / 快递物流 / 广告推销 / 客服官方 / 通讯录联系人 / 陌生号码,六类各自独立开关。关掉的类型自动交回小爱原生话术。
  • 每类可自定义提示词:点类别名直接编辑,内置 6 套按语音场景写的默认话术,改过的标「· 已改」,可一键恢复默认。
  • 任意 OpenAI 兼容模型:DeepSeek / Kimi / Qwen / GLM / Ollama / one-api 中转均可,填 Base URL + 模型 + Key。
  • 超时回落:模型超时(默认 12s)自动交还原生,通话里不会长时间静默。
  • 通话记录:逐轮记录对方说 / 我说 / 耗时 / 判定类型。

实现要点

只替换引擎的 LLM 一层,接听、字幕、语音合成都走原生:

ASR → CallConversationEngine.handleCallerSentence  ← 拦截
    → 你的模型
    → 写 ai_call_reply_log_content(字幕照常)
    → 借引擎原生 speakFn 播报
    → 补发 onAgentTurnComplete,状态机继续监听

安装

  1. 安装 APK
  2. LSPosed 启用模块,作用域只勾选「小爱同学」(com.miui.voiceassist)
  3. 软重启小爱(不用重启手机):
adb shell am force-stop com.miui.voiceassist
adb shell am start -n com.miui.voiceassist/com.xiaomi.voiceassistant.ShareReceiverActivity
  1. 打开 AICallAgent 填配置并保存

验证环境

小米 17 Pro(pandora)· HyperOS 4.0 · Android 17 · 小爱同学 8.2.70 · KernelSU + LSPosed

已知限制

  • hook 依赖 CallConversationEngine / handleCallerSentence / speakFn 的明文类名,小爱升级后若改名会静默失效。
  • 真实通话的端到端只做过单机验证,不同机型/系统版本表现可能不同。
  • 全程文本态工作,ASR 识别错误无法修正。