LocalAIVoiceChat

LocalAIVoiceChat

开源本地AI语音聊天项目 支持自定义人格和声音

LocalAIVoiceChat是一个开源的本地AI语音聊天项目,集成Zephyr 7B语言模型与实时语音转文本和文本转语音技术。项目支持完全本地运行,可自定义AI人格和声音,提供实时语音交互功能。适用于具备8GB VRAM的GPU环境,为AI爱好者和开发者提供了一个实验性的本地实时聊天机器人平台。

AI语音聊天实时语音交互本地AI模型语音合成语音识别Github开源项目

本地 AI 语音聊天

提供与 AI 实时对话的功能,完全在您的 PC 上本地运行,可自定义 AI 个性和声音。

提示: 对最先进的语音解决方案感兴趣的人请也<strong>看看 Linguflex</strong>。它允许您通过语音控制环境,是目前最强大和最复杂的开源助手之一。

注意: 如果遇到"General synthesis error: isin() received an invalid combination of arguments"错误,这是由于新的 transformers 库与 Coqui TTS 不兼容(参见这里)。请降级到旧版 transformers:pip install transformers==4.38.2 或升级 RealtimeTTS 到最新版本 pip install realtimetts==0.4.1

关于项目

集成了强大的 Zephyr 7B 语言模型与实时语音转文本和文本转语音库,创建了一个快速且引人入胜的基于语音的本地聊天机器人。

https://github.com/KoljaB/LocalAIVoiceChat/assets/7604638/cebacdad-8a57-4a03-bfd1-a469730dda51

提示: 如果安装 llama.cpp 时遇到问题,请也看看我的 LocalEmotionalAIVoiceChat 项目。它包括情感感知的实时文本转语音输出,并有多个 LLM 提供商选项。您也可以使用不同的 AI 模型。

技术栈

  • llama_cpp 与 Zephyr 7B
    • 基于 llama 的语言模型库接口
  • RealtimeSTT 与 faster_whisper
    • 实时语音转文本转录库
  • RealtimeTTS 与 Coqui XTTS
    • 实时文本转语音合成库

注意事项

此软件处于实验性 alpha 状态,不提供生产就绪的稳定性。当前用于合成的 XTTS 模型仍有故障,而且 Zephyr - 虽然对于 7B 模型来说非常好 - 当然无法与 GPT 4、Claude 或 Perplexity 的回答质量相媲美。

请将此视为提供早期版本本地实时聊天机器人的首次尝试。

更新

  • 更新到 Coqui XTTS 2.0 模型
  • 修复 RealtimeTTS 中的错误(Coqui 模型下载不正常)

先决条件

您需要一个约 8 GB VRAM 的 GPU 来实时运行此程序。

对于 nVidia 用户

  • NVIDIA CUDA Toolkit 11.8:

  • NVIDIA cuDNN 8.7.0 for CUDA 11.x:

    • 前往 NVIDIA cuDNN 存档
    • 找到并下载 "cuDNN v8.7.0 (2022年11月28日), for CUDA 11.x"。
    • 按提供的安装指南操作。

对于 AMD 用户

  • 安装 ROCm v.5.7.1

  • FFmpeg:

    根据您的操作系统安装 FFmpeg:

    • Ubuntu/Debian:

      sudo apt update && sudo apt install ffmpeg
    • Arch Linux:

      sudo pacman -S ffmpeg
    • macOS (Homebrew):

      brew install ffmpeg
    • Windows (Chocolatey):

      choco install ffmpeg
    • Windows (Scoop):

      scoop install ffmpeg

安装步骤

  1. 克隆仓库或下载源代码包。

  2. 安装 llama.cpp

    • (AMD 用户) 在下一步之前设置环境变量 LLAMA_HIPBLAS 值为 on

    • 官方方法:

    pip install llama-cpp-python --force-reinstall --upgrade --no-cache-dir --verbose
    • 如果官方安装不成功,请安装 text-generation-webui,它为许多平台和环境提供了一些优秀的轮子
  3. 安装实时库

    • 安装主要库:
      pip install RealtimeSTT==0.1.7 pip install RealtimeTTS==0.2.7
  4. 这里下载 zephyr-7b-beta.Q5_K_M.gguf。

    • 打开 creation_params.json 并在 model_path 中输入下载模型的文件路径。
    • 调整 n_gpu_layers(0-35,如果有更多 VRAM 则提高)和 n_threads(CPU 线程数,建议不要使用所有可用核心,为 TTS 留一些)
  5. 如果出现依赖冲突,安装特定版本的冲突库:

    pip install networkx==2.8.8 pip install typing_extensions==4.8.0 pip install fsspec==2023.6.0 pip install imageio==2.31.6 pip install numpy==1.24.3 pip install requests==2.31.0

运行应用程序

 python ai_voicetalk_local.py

自定义

更改 AI 个性

打开 chat_params.json 以更改对话场景。

更改 AI 声音

  • 打开 ai_voicetalk_local.py。
  • 找到这行:coqui_engine = CoquiEngine(cloning_reference_wav="female.wav", language="en")
  • 将 "female.wav" 更改为包含要克隆的声音的波形文件名(44100 或 22050 Hz 单声道 16 位)

语音结束检测

如果在开始第二句话之前就转录了第一句话,请在 AudioToTextRecorder 上提高 post_speech_silence_duration: AudioToTextRecorder(model="tiny.en", language="en", spinner=False, post_speech_silence_duration = 1.5)

贡献

欢迎对项目进行增强或改进的贡献。请随时提出包含您建议更改或修复的拉取请求。

许可证

本项目采用 Coqui Public Model License 1.0.0 许可。

此许可证仅允许非商业使用机器学习模型及其输出。

联系方式

Kolja Beigel

如有任何与本项目相关的疑问或需要支持,请随时联系。

编辑推荐精选

Keevx

Keevx

AI数字人视频创作平台

Keevx 一款开箱即用的AI数字人视频创作平台,广泛适用于电商广告、企业培训与社媒宣传,让全球企业与个人创作者无需拍摄剪辑,就能快速生成多语言、高质量的专业视频。

即梦AI

即梦AI

一站式AI创作平台

提供 AI 驱动的图片、视频生成及数字人等功能,助力创意创作

扣子-AI办公

扣子-AI办公

AI办公助手,复杂任务高效处理

AI办公助手,复杂任务高效处理。办公效率低?扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作,覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应,生活工作无缝切换,提升50%效率!

TRAE编程

TRAE编程

AI辅助编程,代码自动修复

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
蛙蛙写作

蛙蛙写作

AI小说写作助手,一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

下拉加载更多