CLI

从终端运行 EdgeSpeak 工作流。

安装

CLI 自带本机语音运行时，无需安装或启动桌面 App。请按操作系统选择命令。

macOS / Linux

在 Terminal 中运行。支持 macOS（Apple Silicon）和 Linux x86_64；Linux 安装器会在支持的 NVIDIA 设备上自动选择 CUDA 运行时，否则使用 CPU。

curl -fsSL https://edgespeak.com/install.sh | sh

sh ~/Downloads/install.sh

Windows

在 Windows x64 的 PowerShell 中运行。安装器默认安装 CPU 版，并把 edgespeak-cli 加入当前用户的 PATH，无需管理员权限。

irm https://edgespeak.com/install.ps1 | iex

如果需要在支持的 NVIDIA 显卡上启用 CUDA，请在同一个 PowerShell 窗口中显式选择 CUDA 版后再安装：

$env:EDGESPEAK_WINDOWS_ACCELERATOR = "cuda"
irm https://edgespeak.com/install.ps1 | iex

安装后可直接运行 edgespeak-cli login。如果其他已打开的终端仍找不到命令，请重新打开终端，让 PATH 更新生效。

激活

使用 edgespeak-cli login 通过浏览器登录：新账号开始 7 天试用，已购账号激活当前设备。无需账号和浏览器的设备匿名试用使用 edgespeak-cli trial。已有授权 Key 可用 edgespeak-cli activate <KEY>，--stdin 可避免 Key 进入 shell 历史。

edgespeak-cli login

edgespeak-cli trial            # instant device trial, no account or browser
edgespeak-cli activate <KEY>
edgespeak-cli activate --stdin   # paste the key, then Ctrl-D

工作流

可以完成转录与说话人标注、文稿对齐、语义分句、语音合成、声音管理、模型管理，也可以打开 Realtime Demo。大多数一次性命令会在 App 未运行时启动随附的本机引擎；serve 则会持续运行 Headless HTTP 服务，供 API 客户端反复调用。

edgespeak-cli transcribe meeting.m4a -o meeting.json   # word-level timing in JSON
edgespeak-cli transcribe meeting.m4a --diarize -o speakers.json
edgespeak-cli transcribe meeting.m4a -o transcript.srt
edgespeak-cli align meeting.m4a --text-file transcript.txt -o aligned.json
edgespeak-cli segment --file transcript.txt -o sentences.json
edgespeak-cli speech "Read this aloud" -o speech.wav
edgespeak-cli voices list
edgespeak-cli models list
edgespeak-cli status
edgespeak-cli demo
edgespeak-cli update

Headless API 服务

无需桌面 App，也可以启动兼容 OpenAI API 的 HTTP 服务。默认情况下，服务只监听 http://127.0.0.1:1118/v1。要供另一台可信机器调用，请在服务端（运行服务的机器）设置 EDGESPEAK_API_KEY，并显式开启非回环监听：

export EDGESPEAK_API_KEY="your-long-random-secret"
edgespeak-cli serve --host 0.0.0.0 --port 1118 --allow-remote

通过 --context-tokens 在服务启动时设置语言模型上下文窗口。默认值为 8192 token，并应用于该进程启动的本机语言模型 worker。Headless Server 不读取桌面 App 保存的上下文选项。

edgespeak-cli serve --context-tokens 32768

原生视频请求的采样率由模型目录自动选择：Qwen 3.5/3.6 为 2 FPS，Gemma 4 为 1 FPS，因此无需设置视频 FPS 参数。上下文长度和视频采样帧共享同一份内存与 token 预算。请求格式、运行依赖和资源影响见原生视频输入与上下文窗口。

调用端（发起调用的机器）应访问服务端实际使用的局域网或 VPN 地址，例如 http://192.168.1.50:1118/v1，不能使用 0.0.0.0。模型加载和推理都在服务端完成。客户端调用示例、防火墙配置、浏览器 Origin、SSH 隧道和 HTTPS 安全边界见从另一台机器调用 API。

Agent

通过 EdgeSpeak Skill 让 agent 调用，或把本地网关与 MCP 接入自动化和 CI。

隐私

语音工作流和已安装的本机模型都在当前设备运行。只有在你明确选择 execution_location=remote 的模型时，对应请求才会发送给已配置的供应商。

使用本机模型生成

启动桌面 App，下载并加载模型后，可通过 Responses、Chat Completions、CLI 或 MCP 调用；已安装的本机模型让提示词和图片留在当前设备。

edgespeak-cli models load Qwen/Qwen3.5-4B
edgespeak-cli generate "Summarize the meeting" --model Qwen/Qwen3.5-4B
edgespeak-cli generate "Describe this image" --image screenshot.png --json