ai-devices

ai-devices

智能语音助手现支持多语音模型和视觉推断技术

本项目是AI驱动的智能语音助手,集成多种AI模型和服务。支持语音输入、文字转语音、图片处理及功能调用,提供高级视觉推断,保障用户获得全面的智能交互体验。主要支持最新的gpt-4o和gemini-1.5-flash-latest视觉模型,满足现代科技需求。

AI设备OpenAI语音输入镜像处理GPT-4Github开源项目

项目介绍:AI Devices

AI Devices 项目是一个智能语音助手,利用多种人工智能模型和服务来为用户提供智能化的响应。该项目支持语音输入、转录、文本到语音的转换、图像处理以及带条件渲染的UI组件。这一项目的灵感来源于近年来如 Humane AI Pin 和 Rabbit R1 等智能设备的趋势。

功能概览

  • 语音输入和转录:使用 Groq 或 OpenAI 的 Whisper 模型。
  • 文本到语音输出:采用 OpenAI 的TTS模型。
  • 图像处理:通过 OpenAI 的 GPT-4 Vision 或 Fal.ai 的 Llava-Next 模型。
  • 功能调用和条件渲染的UI组件:使用 OpenAI 的 GPT-3.5-Turbo 模型。
  • 可定制的UI设置:包括响应时间、设置切换、文本到语音切换、互联网结果切换和照片上传切换。
  • (可选)速率限制:通过 Upstash 实现。
  • (可选)跟踪功能:使用 Langchain 的 LangSmith 进行函数执行跟踪。

设置方法

第一步:克隆代码库

git clone https://github.com/developersdigest/ai-devices.git

第二步:安装依赖

npm install # 或者 bun install

第三步:添加 API 密钥

为了使用这个智能语音助手,需要为所选择的AI模型和服务提供必要的 API 密钥。

  • 核心功能所需

    • Groq API Key:用于 Llama + Whisper
    • OpenAI API Key:用于 TTS 和 Vision + Whisper
    • Serper API Key:用于互联网结果
  • 进阶配置可选项

    • Langchain Tracing:用于函数执行跟踪
    • Upstash Redis:用于基于IP的速率限制
    • Spotify:与 Spotify API 交互
    • Fal.AI (Lllava Image Model):用作 GPT-4-Vision 的替代视觉模型

将 'API_KEY_GOES_HERE' 替换为每个服务的实际 API 密钥。

第四步:启动开发服务器

npm run dev # 或者 bun dev

可以通过 http://localhost:3000 或者提供的 URL 访问应用程序。

第五步:部署

使用 Vercel 部署

配置

通过修改 app/config.tsx 文件来调整智能语音助手的设置和配置。以下是可用选项的大致概览:

export const config = { inferenceModelProvider: 'groq', inferenceModel: 'llama3-8b-8192', whisperModelProvider: 'openai', whisperModel: 'whisper-1', ttsModelProvider: 'openai', ttsModel: 'tts-1', ttsvoice: 'alloy', visionModelProvider: 'google', visionModel: 'gemini-1.5-flash-latest', functionCallingModelProvider: 'openai', functionCallingModel: 'gpt-3.5-turbo', enableResponseTimes: false, enableSettingsUIToggle: true, enableTextToSpeechUIToggle: true, enableInternetResultsUIToggle: true, enableUsePhotUIToggle: true, enabledRabbitMode: true, enabledLudicrousMode: true, useAttributionComponent: true, useRateLimiting: false, useLangSmith: true, };

欢迎贡献

欢迎贡献!如果您发现任何问题或有改进建议,请提交问题或拉取请求。

开发者 Digest 的创作者开发了这些项目。如果你觉得这个项目有用或者喜欢他的工作,可以通过以下方式支持:

编辑推荐精选

Vora

Vora

免费创建高清无水印Sora视频

Vora是一个免费创建高清无水印Sora视频的AI工具

Refly.AI

Refly.AI

最适合小白的AI自动化工作流平台

无需编码,轻松生成可复用、可变现的AI自动化工作流

酷表ChatExcel

酷表ChatExcel

大模型驱动的Excel数据处理工具

基于大模型交互的表格处理系统,允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令,自动执行排序、公式计算和数据透视等操作,支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内,支持超过100万行数据的即时分析。

AI工具酷表ChatExcelAI智能客服AI营销产品使用教程
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
AIWritePaper论文写作

AIWritePaper论文写作

AI论文写作指导平台

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

AI辅助写作AI工具AI论文工具论文写作智能生成大纲数据安全AI助手热门
博思AIPPT

博思AIPPT

AI一键生成PPT,就用博思AIPPT!

博思AIPPT,新一代的AI生成PPT平台,支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等,内置海量精美PPT模板,涵盖商务、教育、科技等不同风格,同时针对每个页面提供多种版式,一键自适应切换,完美适配各种办公场景。

AI办公办公工具AI工具博思AIPPTAI生成PPT智能排版海量精品模板AI创作热门
潮际好麦

潮际好麦

AI赋能电商视觉革命,一站式智能商拍平台

潮际好麦深耕服装行业,是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌,以及国内10万+淘宝、天猫、京东等主流平台的品牌商家,为卖家节省将近85%的出图成本,提升约3倍出图效率,让品牌能够快速上架。

iTerms

iTerms

企业专属的AI法律顾问

iTerms是法大大集团旗下法律子品牌,基于最先进的大语言模型(LLM)、专业的法律知识库和强大的智能体架构,帮助企业扫清合规障碍,筑牢风控防线,成为您企业专属的AI法律顾问。

SimilarWeb流量提升

SimilarWeb流量提升

稳定高效的流量提升解决方案,助力品牌曝光

稳定高效的流量提升解决方案,助力品牌曝光

Sora2视频免费生成

Sora2视频免费生成

最新版Sora2模型免费使用,一键生成无水印视频

最新版Sora2模型免费使用,一键生成无水印视频

下拉加载更多