本地语音助手常见的尴尬是：听你说话、组织答案、再把答案念出来，都可能争抢同一块 GPU。liampetti 的测试换了种分工：用 ONNX——一种方便模型跨设备运行的格式——把 Qwen3-ASR 语音识别和 Kokoro-TTS 语音合成都放到 CPU，让 GPU 完整留给本地语言模型。
作者在 2022 款 MacBook M2 和 AMD Ryzen 9 7900 上演示了这条链路。VAD（用于判断用户何时停止说话）一触发，指令就交给预设规则执行；因此除获取 Spotify 音乐外，等待主要来自语音识别与合成。按作者的主观描述，M2 已“基本可用”，Ryzen 9 则很快。不过材料没有给出端到端延迟——也就是从用户说话到助手开始回应的总等待时间——的具体数字，暂时只能把它看作一次可复现的工程演示，而非严格性能比较。