tckm.yan/aha

Fork 0

Files

T

jhqxxx 754145246c update doc

2026-05-24 19:26:47 +08:00

7.4 KiB

Raw Blame History

English | 简体中文

aha

轻量 AI 推理引擎 —— 文本、视觉、语音与 OCR 一站式解决方案

aha 是一款基于 Rust 和 Candle 框架构建的高性能跨平台 AI 推理引擎。将最先进的 AI 模型带到您的本地机器——无需 API 密钥，无需云依赖，纯粹、快速的 AI，直接在您的硬件上运行。

支持的模型

类别	模型
文本	Qwen3, MiniCPM4, LFM2, LFM2.5
视觉	Qwen2.5-VL, Qwen3-VL, Qwen3.5 LFM2.5-VL, LFM2-VL
OCR	DeepSeek-OCR, DeepSeek-OCR-2, PaddleOCR-VL, PaddleOCR-VL1.5, Hunyuan-OCR, GLM-OCR
ASR	GLM-ASR-Nano, Fun-ASR-Nano, Qwen3-ASR
TTS	VoxCPM, VoxCPM1.5, VoxCPM2, Moss-TTS-Nano
图像	RMBG-2.0 (背景移除)
嵌入	Qwen3-Embedding, all-MiniLM-L6-v2
重排序	Qwen3-Reranker

更新日志

2026-05-24

更新文档

2026-05-11

添加Moss-TTS-Nano，该模型比较小，计算误差影响较大，效果比python原版差

2026-05-09

合并 pr/eastgold15/46, 添加 aha-ui

2026-04-25

VoxCPM 更新流式生成

2026-04-17

Qwen3ASR 增加 vad 数据识别

2026-04-16

修复 FireRedVAD fsmn 缓存问题

查看完整更新日志 →

为什么选择 aha？

🚀 高性能推理 - 基于 Candle 框架，提供高效的张量计算和模型推理
🔧 统一接口 — 一个工具搞定文本、视觉、语音和 OCR
📦 本地优先 — 所有处理在本地运行，数据不离境
🎯 跨平台 — 支持 Linux、macOS 和 Windows
⚡ GPU 加速 — 可选 CUDA 支持以获得更快推理
🛡️ 内存安全 — Rust 构建，稳定可靠
🧠 注意力优化 - 可选 Flash Attention 支持，优化长序列处理

快速开始

安装

git clone https://github.com/jhqxxx/aha.git
cd aha
cargo build --release

可选特性：

# CUDA (NVIDIA GPU 加速)
cargo build --release --features cuda

# Metal (Apple GPU 加速，适用于 macOS)
cargo build --release --features metal

# Flash Attention (更快推理)
cargo build --release --features cuda,flash-attn

# FFmpeg (多媒体处理)
cargo build --release --features ffmpeg

CLI 快速参考


# 列出所有支持的模型
aha list

# 仅下载模型
aha download -m Qwen/Qwen3-ASR-0.6B

# 下载模型并启动服务
aha cli -m Qwen/Qwen3-ASR-0.6B

# 直接运行推理（无需启动服务）
aha run -m Qwen/Qwen3-ASR-0.6B -i "audio.wav"

# 本地运行 all-MiniLM-L6-v2 向量模型（原生 safetensors）
aha run -m all-minilm-l6-v2 -i "Rust embedding test" --weight-path D:\model_download\all-MiniLM-L6-v2

# 仅启动服务（模型已下载）
aha serv -m Qwen/Qwen3-ASR-0.6B -p 10100

对话

aha serv -m Qwen/Qwen3-0.6B -p 10100

然后使用统一(兼容 OpenAI)的 API：

curl http://localhost:10100/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "Qwen/Qwen3-0.6B",
    "messages": [{"role": "user", "content": "你好！"}],
    "stream": false
  }'

aha-ui

cd aha-ui

使用 npm

安装 npm

参考 https://nodejs.org/en/download

# Download and install nvm:
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.4/install.sh | bash
# in lieu of restarting the shell
\. "$HOME/.nvm/nvm.sh"
# Download and install Node.js:
nvm install 24
# Verify the Node.js version:
node -v # Should print "v24.15.0".
# Verify npm version:
npm -v # Should print "11.12.1".

npm 运行 aha-ui

# 确定在 aha-ui目录
# 确定 aha 编译完成
npm install
npm run tauri dev

npm 编译 & 安装 & 运行

npm run tauri build
# target in
# -- aha-ui/src-tauri/target/release/bundle/deb/aha-ui_0.1.0_amd64.deb
# -- aha-ui/src-tauri/target/release/bundle/rpm/aha-ui-0.1.0-1.x86_64.rpm
# -- aha-ui/src-tauri/target/release/bundle/appimage/aha-ui_0.1.0_amd64.AppImage

使用 pnpm

安装 pnpm

curl -fsSL https://get.pnpm.io/install.sh | sh -

pnpm 运行 aha-ui

# 确定在 aha-ui目录
# 确定 aha 编译完成
pnpm run tauri dev

pnpm 编译 & 安装 & 运行

pnpm run tauri build
# target in
# -- aha-ui/src-tauri/target/release/bundle/deb/aha-ui_0.1.0_amd64.deb
# -- aha-ui/src-tauri/target/release/bundle/rpm/aha-ui-0.1.0-1.x86_64.rpm
# -- aha-ui/src-tauri/target/release/bundle/appimage/aha-ui_0.1.0_amd64.AppImage

文档

文档	描述
快速入门	aha 入门指南
安装指南	详细安装说明
CLI 参考	命令行界面
API 文档	库与 REST API
支持的模型	可用的 AI 模型
核心概念	架构与设计
开发指南	贡献指南
更新日志	版本历史

开发

aha 作为库使用

cargo add aha

# VoxCPM示例
use aha::models::voxcpm::generate::VoxCPMGenerate;
use aha::utils::audio_utils::save_wav_mono;
use anyhow::Result;

fn main() -> Result<()> {
    let model_path = "xxx/OpenBMB/VoxCPM2/";

    let mut voxcpm_generate = VoxCPMGenerate::init(model_path, None, None)?;
    let generate = voxcpm_generate.inference(
        "aha是一个基于Rust和Candle框架的本地AI推理引擎，支持多模态模型（文本、视觉、语音、OCR）。".to_string(),
        None,
        None,
        2,
        1000,
        10,
        2.0,
        6.0,
    )?;

    save_wav_mono(&generate, "voxcpm2.wav", voxcpm_generate.sample_rate() as u32)?;
    Ok(())
}

扩展新的模型

在src/models/创建新模型文件
在src/models/mod.rs中导出
在src/exec/中添加支持cli运行模型推理
在tests/中添加测试和示例

特性

基于 Candle 框架的高性能推理
多模态模型支持（视觉、语言、语音）
简洁易用的 API 设计
最小化依赖，紧凑的二进制文件
Flash Attention 支持长序列处理
FFmpeg 支持多媒体处理

许可证

Apache-2.0 — 详见 LICENSE

致谢

Candle - 优秀的 Rust 机器学习框架
所有模型作者和贡献者

微信 & 捐赠

微信群	捐赠

_{由 aha 团队用 ❤️ 构建}

_{我们持续扩展支持的模型列表，欢迎贡献！}

_{如果这个项目对你有帮助，请给我们一个 ⭐ Star！}

7.4 KiB Raw Blame History Unescape Escape

aha