文章目录
- 前言
- 一、ChatGPT API获取
- 二、API使用步骤
- 三、语音识别
- 三、TTS（语音合成）
- 四、音频播放
- 五、功能整合
- 总结
前言
ChatGPT使用想必大家都不陌生，进入官网，注册账号即可开始正式的对话聊天，可是如何使用ChatGPT API,且在Linux环境下进行语音交互呢？碰巧在今年暑期参加物联网设计竞赛有用到这项功能，今天就来教下大家详细步骤。
一、ChatGPT API获取
如何获取一个ChatGPT账号相比对大家来说不是一件难事，网上教程很多大家可以搜一下，获取到一个账号后，可以进入https://platform.openai.com/account/api-keys页面。
选择创建一个api key 大家一定要保存好这个密钥，后续使用都是利用这个密钥。这里需要注意免费API每个账户都是有限的，五美元，理论上自己日常使用时用不完了的。
二、API使用步骤
接下来就让我们来试验一下API密钥。首先在Linux环境下需要安装openai的包这里我们以树莓派为例。
pip3 install openai
成功安装后我们就可以创建一个Python运行一下，而众所周知，ChatGPT是需要需要使用魔法的，API调用也不例外。
# -*- coding: utf-8 -*-
import openai
# 设置OpenAI API密钥
openai.api_key = 'sk-xxxx'#这里需要替换为你的账户API KEY
# 定义初始对话历史
conversation_history = [
{'role': 'system', 'content': 'You are a helpful assistant.'}
]
# 循环交互
while True:
# 处理用户输入
user_input = input("User: ")
# 将用户输入添加到对话历史中
conversation_history.append({'role': 'user', 'content': user_input})
# 发送聊天请求
response = openai.ChatCompletion.create(
model='gpt-3.5-turbo',
messages=conversation_history,
max_tokens=100,
n=1,
stop=None,
temperature=0.7
)
# 获取助手的回复
assistant_reply = response['choices'][0]['message']['content']
# 打印助手的回复
print("Assistant:", assistant_reply)
# 将助手的回复添加到对话历史中
conversation_history.append({'role': 'assistant', 'content': assistant_reply})
# 检查用户是否选择退出循环
if user_input.lower() == 'exit':
break
通过以上代码实现简单的API调用，运行。
问出问题，就可以得到你想要的答案。其中的模型大家也可以根据需求选用。
三、语音识别
首先最重要的是外接一个麦克风设备，对外界实时音频进行识别，这里树莓派上使用的无驱的USB麦克风设备。
想要实现真正意义上的语音交互，就只能从实时音频流中读取。
这里我们使用的是Google的语音识别API SpeechRecognition。
首先在终端中安装相关包。
pip3 install SpeechRecognition
成功安装，且麦克风设备安装完成，我们就可以进入下一步。
我们使用一个Python程序来进行实现。
import speech_recognition as sr
# 创建一个Recognizer对象
r = sr.Recognizer()
# 使用麦克风录音
with sr.Microphone() as source:
print("请说话：")
audio = r.listen(source)
# 将语音转换为文本
try:
text = r.recognize_google(audio, language='zh-CN')
print("你说的是：" + text)
except sr.UnknownValueError:
print("无法识别你的语音")
except sr.RequestError as e:
print("无法连接到Google API，错误原因：" + str(e))
这里是实现实时音频的识别。需要注意的是，speech_recognition的使用也需要Linux环境下的魔法上网。
运行代码会出现许多报错信息，但这些都不影响我们的识别结果。
当显示请说话示例时就可以提出问题了。实测在安静环境下识别速度和识别准确率还是非常高的。
识别返回的结果保存在text中，只要将text赋值给上述GPT的输入即可。
三、TTS（语音合成）
要想实现语音对话，还需要将GPT回复的问题经过TTS转化为音频。
这里使用的阿里云的Sambert语音合成，实测合成速度很快，且语音自然。
首先需要下载Sambert的包
pip3 install dashscope
试验一下
# coding=utf-8
import dashscope
from dashscope.audio.tts import SpeechSynthesizer
dashscope.api_key='your-dashscope-api-key'
result = SpeechSynthesizer.call(model='sambert-zhichu-v1',
text='今天天气怎么样',
sample_rate=48000,
format='wav')
if result.get_audio_data() is not None:
with open('output.wav', 'wb') as f:
f.write(result.get_audio_data())
print(' get response: %s' % (result.get_response()))
执行代码后就能生成一个output.wav文件，文件内容就是text中问出的问题。
四、音频播放
得到了生成的音频文件，我们还需要将他播放出来。
Linux环境下python播放音频播放我尝过各种方式，最后使用效果最好，延时最低的是使用pygame来播放。
还是以同样的步骤，安装pygame。
pip3 install pygame
五、功能整合
将所有功能进行整合，即可实现最后想要实现的功能。
# -*- coding: utf-8 -*-
import openai
import pygame
from pygame import mixer
import dashscope
from dashscope.audio.tts import SpeechSynthesizer
import speech_recognition as sr
import time
# 创建一个Recognizer对象
r = sr.Recognizer()
mixer.init()
# 设置OpenAI API密钥
openai.api_key = 'sk-xx'
dashscope.api_key='sk-xx'
# 定义初始对话历史
conversation_history = [
{'role': 'system', 'content': 'You are a helpful assistant.'}
]
# 循环交互
while True:
# 处理用户输入
# 使用麦克风录音
with sr.Microphone() as source:
print("请开始说话...")
audio = r.listen(source)
try:
# 使用语音识别引擎将音频转换为文字
text = r.recognize_google(audio, language='zh-CN')
print("识别结果：", text)
except sr.UnknownValueError:
print("无法识别音频")
except sr.RequestError as e:
print("请求出错：", e)
user_input = text
# 将用户输入添加到对话历史中
conversation_history.append({'role': 'user', 'content': user_input})
# 发送聊天请求
response = openai.ChatCompletion.create(
model='gpt-3.5-turbo',
messages=conversation_history,
max_tokens=100,
n=1,
stop=None,
temperature=0.7
)
# 获取助手的回复
assistant_reply = response['choices'][0]['message']['content']
result = SpeechSynthesizer.call(model='sambert-zhimiao-emo-v1',
text=assistant_reply,
sample_rate=48000,
format='wav')
# 打印助手的回复
print("Assistant:", assistant_reply)
if result.get_audio_data() is not None:
with open('output.wav', 'wb') as f:
f.write(result.get_audio_data())
mixer.music.load('output.wav')
mixer.music.play()
# 将助手的回复添加到对话历史中
conversation_history.append({'role': 'assistant', 'content': assistant_reply})
time.sleep(1)
while pygame.mixer.music.get_busy()!=True: # 在音频播放完成之前不退出程序
pass
print(' get response: %s' % (result.get_response()))
运行代码，就可以的到想要得到的效果。因代理问题，最后效果会有短暂的延时。
总结
该案例实现起来不难，找准如何使用才是关键所在，这里实现的用ChatGPT，也可换成文心一言等国内大模型，其效果更好，响应速度更快。本次的分享也就到这里，如果还有什么问题请各位批评指教，大家一起相互学习。
文章出处登录后可见！
