gdansk-ai

gdansk-ai

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。

AI语音聊天机器人全栈AI应用Auth0StripeOpenAIGithub开源项目

🦭 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>

Web API

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

.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}

运行

  • 进入 web-api 目录
  • 执行 npm installnpm ci
  • 执行 npm run build
  • 执行 npm run startnpm run dev 以热重载方式运行

Web

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

.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}

运行

  • 进入 web 目录
  • 执行 npm installnpm ci
  • 执行 npm run build
  • 安装 Stripe cli
  • 执行 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
  • 执行 npm run start

故障排除

  • 你可能需要在 signup.ts 中删除/注释掉 screen_hint: "signup",

AI API

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

.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

运行

  • 进入ai-api目录
  • 运行python3 app.py,默认在9000端口运行

Auth0设置

创建一个账户,然后创建一个新的租户。你需要设置:

Stripe设置

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。

OpenAI设置

创建一个账户,前往platform.openai.com,生成API密钥,在.env文件中使用

Google Cloud API设置

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

致谢

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

许可证

GNU GPL v2

作者

2023年由Jędrzej Paweł Maczan在波兰格但斯克制作

编辑推荐精选

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

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。

下拉加载更多