开源全栈AI语音对话系统 整合多项云服务
Gdańsk AI是一个开源的全栈AI语音对话系统,集成了语音转文本、大型语言模型和文本转语音技术。该项目整合了Auth0身份验证、OpenAI和Google Cloud API的AI能力,以及Stripe支付功能。系统由Web应用、API和AI组件构成,为开发者提供完整的AI对话解决方案。用户可通过购买'bibs'代币与AI进行语音交互。本项目采用Node.js、TypeScript和Python等技术栈,结构清晰,便于二次开发。系统支持用户通过语音进行AI对话,并提供便捷的支付流程。开发者可根据需求自定义AI模型和对话流程,快速构建语音交互应用。
🦭 格但斯克 AI 🦭
格但斯克 AI 是一个全栈 AI 语音聊天机器人(语音转文本、大语言模型、文本转语音),集成了 Auth0、OpenAI、Google Cloud API 和 Stripe - 包括 Web 应用、API 和 AI
<p align="center"><img width="600" src="https://yellow-cdn.veclightyear.com/0a4dffa0/f615cac7-a6ff-4fc2-91fe-2b375c2e4889.png" alt="格但斯克 AI"></p>它使用 Stripe 提供支付基础设施,用户可以购买 bibs
- API 令牌。Auth0 用于提供身份验证和授权。你可以免费使用它们 - Auth0 每月有 7000 用户的免费额度。Stripe 只从购买中收取费用,所以你不会因任何一个而产生持续成本。
如果你想使用这些服务,你需要设置你的 Stripe 和 Auth0 账户,并将 API 密钥放入 web-api/
目录下的 .env
文件中。
这里使用了 Node.js、TypeScript 和 Express
.env_example
显示了你需要设置的值
CHATBOT_API_KEY={你自行决定;这个值在本项目的 ai-api、web-api 和 web 中重复使用}
OPEN_AI_API_KEY={前往 platform.openai.com,生成并复制粘贴 api 密钥到这里}
# Google Cloud API
type=service_account
project_id={项目 id}
private_key_id=
private_key={多行私钥,结构如下:-----BEGIN PRIVATE KEY-----...-----END PRIVATE KEY-----\n}
client_email={项目名称}@{项目 id}.iam.gserviceaccount.com
client_id=
auth_uri=https://accounts.google.com/o/oauth2/auth
token_uri=https://oauth2.googleapis.com/token
auth_provider_x509_cert_url=https://www.googleapis.com/oauth2/v1/certs
client_x509_cert_url=https://www.googleapis.com/robot/v1/metadata/x509/{项目名称}%40{项目 id}.iam.gserviceaccount.com
universe_domain=googleapis.com
# Stripe
STRIPE_SECRET_KEY={sk_...}
STRIPE_PUBLISHABLE_KEY={pk_...}
TOKENS_PRICE_ID={price_一些字符 - 你需要先在 Stripe 中为令牌创建价格,然后将其复制粘贴到这里}
# TOKENS_PER_TRANSACTION 定义用户每次购买 bibs 可以与 AI 进行多少次交互
TOKENS_PER_TRANSACTION=5
# Auth0
AUTH0_ISSUER_BASE_URL='https://{租户名称}.us.auth0.com'
AUTH0_DOMAIN='{租户名称}.us.auth0.com'
AUTH0_CLIENT_ID=
AUTH0_CLIENT_SECRET=
AUTH0_AUDIENCE="https://{租户名称}.us.auth0.com/api/v2/"
AUTH0_SCOPE="openid profile email offline_access"
CLIENT_URL={指向 web 部署位置的 url}
AI_API_URL={指向 ai api 部署位置的 url}
web-api
目录npm install
或 npm ci
npm run build
npm run start
或 npm run dev
以热重载方式运行目前在 Google Chrome 中运行。你可以点击格但斯克 AI 标志开始录音,然后再次点击将其发送到 Web API。收到成功响应后,会向你播放收到的音频。
这里使用了 Next.js,采用 Vercel 的模板
.env_example
显示了你需要设置的值
CHATBOT_API_KEY={你自行决定;这个值在本项目的 ai-api、web-api 和 web 中重复使用}
CHATBOT_API_URL={api 部署位置的 url}
NEXT_PUBLIC_API_URL={指向 api 部署位置的 url}
API_URL={api 部署位置的 url}
# Auth0
NEXT_PUBLIC_AUTH0_ISSUER_BASE_URL="https://{租户名称}.us.auth0.com"
NEXT_PUBLIC_AUTH0_CLIENT_ID=
AUTH0_SECRET=
AUTH0_BASE_URL={指向 web 部署位置的 url}
AUTH0_ISSUER_BASE_URL='https://{租户名称}.us.auth0.com'
AUTH0_DOMAIN='{租户名称}.us.auth0.com'
AUTH0_CLIENT_ID=
AUTH0_CLIENT_SECRET=
AUTH0_AUDIENCE="https://{租户名称}.us.auth0.com/api/v2/"
AUTH0_SCOPE="openid profile email offline_access"
CLIENT_URL={指向 web 部署位置的 url}
web
目录npm install
或 npm ci
npm run build
stripe listen --forward-to http://localhost:3000/webhook
(如果你更改了端口,请调整 3000)- 我们需要这个来在购买 bibs 时调用 /webhook
端点npm run start
signup.ts
中删除/注释掉 screen_hint: "signup",
这里使用 OpenAI 和 Google Cloud API 提供语音转文本(Whisper-1)、大语言模型(gpt-3.5-turbo)和文本转语音(Google Cloud TextToSpeechClient)服务。
这里使用 Python 和 FastAPI
.env_example
显示了你需要设置的值
CHATBOT_API_KEY={你决定的任何值;此值在本项目的ai-api、web-api和web中重复使用}
OPEN_AI_API_KEY={前往platform.openai.com,生成并复制粘贴api密钥到此处}
# Google Cloud API 开始
type=service_account
project_id={项目ID}
private_key_id=
private_key={多行私钥,结构如下:-----BEGIN PRIVATE KEY-----...-----END PRIVATE KEY-----\n}
client_email={项目名称}@{项目ID}.iam.gserviceaccount.com
client_id=
auth_uri=https://accounts.google.com/o/oauth2/auth
token_uri=https://oauth2.googleapis.com/token
auth_provider_x509_cert_url=https://www.googleapis.com/oauth2/v1/certs
client_x509_cert_url=https://www.googleapis.com/robot/v1/metadata/x509/{项目名称}%40{项目ID}.iam.gserviceaccount.com
universe_domain=googleapis.com
PORT=9000
ai-api
目录创建一个账户,然后创建一个新的租户。你需要设置:
应用程序
API
创建一个账户,除非你想在生产环境中运行并处理真实支付,否则请打开测试模式,进入开发者标签,然后是API密钥。在这里你可以找到STRIPE_SECRET_KEY和STRIPE_PUBLISHABLE_KEY的值。现在进入产品标签并添加代表单次购买号码布(一个号码布 - 用户与AI的一次交互) 的产品。创建后,复制priceId并将其放入.env中作为TOKENS_PRICE_ID。
创建一个账户,前往platform.openai.com,生成API密钥,在.env文件中使用
创建一个账户,进入IAM和管理,然后是服务账户并创建一个项目 - 你需要项目ID放入.env文件中。然后你需要生成带有凭证的json并从文件中提取值到你的.env文件中。前往创建访问凭证页面(你可以使用搜索引擎找到链接)。然后密钥 -> 添加密钥 -> 创建新密钥 -> JSON -> 创建。你应该得到一个包含你需要放入.env的所有值的credentials.json。最后,你需要启用文本到语音API服务,然后就准备就绪了
感谢Jeff McJunkin通过从头开始进行配置过程并填补文档中的空白来改进README
GNU GPL v2
2023年由Jędrzej Paweł Maczan在波兰格但斯克制作
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。
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。
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。
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。
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。
字节跳动发布的AI编程神器IDE
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助力,做PPT更简单!
咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。
选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。
专业的AI公文写作平台,公文写作神器
AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。
OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号