หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>โค้ดแหล่งที่มา AI
ดาวน์โหลด

ChatGPT ผู้ช่วยเสียง

  • ChatGPT Voice Assistant ใช้ Raspberry Pi (หรือเดสก์ท็อป) เพื่อเปิดใช้งานการสนทนาด้วยโมเดลภาษาขนาดใหญ่ของ OpenAI การใช้งานนี้จะฟังคำพูด ประมวลผลการสนทนาผ่านบริการ OpenAI และตอบกลับ เช่น Apple Siri, Amazon Alex, Google Nest Home, Mi XiaoAi เป็นต้น
  • โปรเจ็กต์นี้เขียนด้วยภาษา Python ซึ่งรองรับ Linux/Raspbian, macOS และ Windows

คุณสมบัติ

  • รองรับการสนทนาด้วยเสียงแบบเรียลไทม์ หลังจากที่ ChatGPT ส่งคืนประโยค คุณจะได้ยินเสียงแทนการรอการตอบกลับของ ChatGPT ทั้งหมดก่อนที่จะเริ่มการสังเคราะห์เสียง
  • รองรับการสนทนาอย่างต่อเนื่อง บันทึกประวัติการสนทนาปัจจุบันของ ChatGPT ทั้งหมด เมื่อการสนทนา ChatGPT มีขนาดใหญ่กว่าโทเค็น 4,096 รายการ (gpt-3.5-turbo) ประวัติการสนทนาในช่วงแรกจะถูกละทิ้ง
  • รองรับคำปลุกท้องถิ่น ใช้เหมือนกับ Siri

ลำโพงผู้ช่วยเสียง

GPT Speaker

  • ฮาร์ดแวร์
    • $ สำหรับราสเบอร์รี่ PI 3/3B/4/4B
    • $ สำหรับ USB Micro Phone
    • $ สำหรับลำโพง Aux
    • $ สำหรับการ์ด SD (>= 8GB ) (เพื่อตั้งค่า Raspberry Pi OS)
  • ซอฟต์แวร์
    • บริการคำพูดเกี่ยวกับความรู้ความเข้าใจ Azure
      • ระดับฟรี : 5 ชั่วโมงเสียงต่อเดือนและ 1 คำขอพร้อมกัน
      • เครดิตฟรี $200 : ด้วยบัญชี Azure ใหม่ที่สามารถใช้ได้ในช่วง 30 วันแรก
    • OpenAI
      • $0.002 / โทเค็น 1K / ~750 คำ : ChatGPT (gpt-3.5-turbo)
      • เครดิตฟรี $18 : ด้วยบัญชี OpenAI ใหม่ที่สามารถใช้ได้ในช่วง 90 วันแรกของคุณ

ตั้งค่า

  • คุณจะต้องมีอินสแตนซ์ของ Azure Cognitive Services และบัญชี OpenAI คุณสามารถรันซอฟต์แวร์ได้บนเกือบทุกแพลตฟอร์ม แต่มาเริ่มกันที่ Raspberry Pi กันก่อน

ราสเบอร์รี่ปี่

  • หากคุณยังใหม่กับ Raspberry Pis โปรดดูคู่มือเริ่มต้นใช้งานนี้

1. ระบบปฏิบัติการ

  1. ใส่การ์ด SD ลงในพีซีของคุณ
  2. ไปที่ https://www.raspberrypi.com/software/ จากนั้นดาวน์โหลดและเรียกใช้ Raspberry Pi Imager
  3. คลิก Choose OS และเลือก Raspberry Pi OS (64 บิต) หรือ Ubuntu 22.04.2 LTS (64 บิต)
  4. คลิก Choose Storage เลือกการ์ด SD
  5. คลิก Write และรอให้การถ่ายภาพเสร็จสิ้น
  6. ใส่การ์ด SD ลงใน Raspberry Pi แล้วเชื่อมต่อคีย์บอร์ด เมาส์ และจอภาพ
  7. ตั้งค่าเริ่มต้นให้เสร็จสมบูรณ์ ตรวจสอบให้แน่ใจว่าได้กำหนดค่า Wi-Fi แล้ว

2. ลำโพง/ไมโครโฟน USB

  1. เสียบลำโพง/ไมโครโฟน USB หากคุณยังไม่ได้ดำเนินการ
  2. บนเดสก์ท็อป Raspberry PI OS ให้คลิกขวาที่ไอคอนระดับเสียงที่มุมขวาบนของหน้าจอ และตรวจสอบให้แน่ใจว่าได้เลือกอุปกรณ์ USB แล้ว
  3. คลิกขวาที่ไอคอนไมโครโฟนที่มุมขวาบนของหน้าจอ และตรวจดูให้แน่ใจว่าได้เลือกอุปกรณ์ USB แล้ว

สีฟ้า

ผู้พูดสนทนาใช้บริการ Azure Cognitive Service สำหรับการแปลงคำพูดเป็นข้อความและการแปลงข้อความเป็นคำพูด ด้านล่างนี้เป็นขั้นตอนในการสร้างบัญชี Azure และอินสแตนซ์ของ Azure Cognitive Services

1. บัญชี Azure

  1. ในเว็บเบราว์เซอร์ ให้ไปที่ https://aka.ms/friendbot/azure แล้วคลิก Try Azure for Free
  2. คลิกที่ Start Free เพื่อเริ่มสร้างบัญชี Azure ฟรี
  3. ลงชื่อเข้าใช้ด้วยบัญชี Microsoft หรือ GitHub ของคุณ
  4. หลังจากลงชื่อเข้าใช้แล้ว คุณจะได้รับแจ้งให้ป้อนข้อมูลบางอย่าง

    หมายเหตุ: แม้ว่านี่จะเป็นบัญชีฟรี แต่ Azure ยังคงต้องการข้อมูลบัตรเครดิต คุณจะไม่ถูกเรียกเก็บเงินเว้นแต่คุณจะเปลี่ยนการตั้งค่าในภายหลัง

  5. หลังจากการตั้งค่าบัญชีของคุณเสร็จสมบูรณ์ ให้ไปที่ https://aka.ms/friendbot/azureportal

2. บริการความรู้ความเข้าใจ Azure

  1. ลงชื่อเข้าใช้บัญชีของคุณที่ https://aka.ms/friendbot/azureportal
  2. ในแถบค้นหาด้านบน ให้ป้อน Cognitive Services ภายใต้ Marketplace ให้เลือก Cognitive Services (อาจใช้เวลาสักครู่ในการเติมข้อมูล)
  3. ตรวจสอบว่าได้เลือกการสมัครสมาชิกที่ถูกต้อง ภายใต้ Resource Group เลือก Create New ป้อนชื่อกลุ่มทรัพยากร (เช่น conv-speak-rg )
  4. เลือกภูมิภาคและชื่อสำหรับอินสแตนซ์ของ Azure Cognitive Services ของคุณ (เช่น my-conv-speak-cog-001 )

    หมายเหตุ: แนะนำให้ใช้ EastUS, WestEurope หรือ SoutheastAsia เนื่องจากภูมิภาคเหล่านั้นมีแนวโน้มที่จะรองรับฟีเจอร์จำนวนมากที่สุด

  5. คลิกที่ Review + Create หลังจากผ่านการตรวจสอบแล้ว คลิก Create
  6. เมื่อการปรับใช้งานเสร็จสิ้น คุณสามารถคลิก Go to resource เพื่อดูทรัพยากร Azure Cognitive Services ของคุณ
  7. บนแถบนำทางด้านซ้าย ภายใต้ Resourse Management ให้เลือก Keys and Endpoint
  8. คัดลอกคีย์ Cognitive Services อันใดอันหนึ่งจากทั้งสองคีย์ บันทึกคีย์นี้ไว้ในตำแหน่งที่ปลอดภัยเพื่อใช้ในภายหลัง

ผู้ใช้ Windows 11: หากแอปพลิเคชันหยุดทำงานเมื่อเรียกใช้ API การแปลงข้อความเป็นคำพูด ตรวจสอบให้แน่ใจว่าคุณได้ใช้การอัปเดตความปลอดภัยปัจจุบันทั้งหมด (ลิงก์)

OpenAI

ผู้พูดสนทนาใช้แบบจำลองของ OpenAI เพื่อจัดการสนทนาที่เป็นมิตร ด้านล่างนี้เป็นขั้นตอนในการสร้างบัญชีใหม่และเข้าถึงโมเดล AI รองรับ API อย่างเป็นทางการของ OpenAI หรือ Azure OpenAI API เพียงเลือกอย่างใดอย่างหนึ่ง

1. บัญชี OpenAI

  1. ในเว็บเบราว์เซอร์ ให้ไปที่ https://aka.ms/maker/openai คลิก Sign up

    หมายเหตุ: สามารถใช้บัญชี Google, บัญชี Microsoft หรืออีเมลเพื่อสร้างบัญชีใหม่ได้

  2. ดำเนินการลงทะเบียนให้เสร็จสิ้น (เช่น สร้างรหัสผ่าน ยืนยันอีเมลของคุณ ฯลฯ)

    หมายเหตุ: หากคุณยังใหม่กับ OpenAI โปรดตรวจสอบหลักเกณฑ์การใช้งาน (https://beta.openai.com/docs/usage-guidelines)

  3. ที่มุมขวาบนให้คลิกบัญชีของคุณ คลิกที่ View API keys
  4. คลิก + Create new secret key คัดลอกคีย์ที่สร้างขึ้นและบันทึกไว้ในตำแหน่งที่ปลอดภัยเพื่อใช้ในภายหลัง

หากคุณอยากเล่นกับโมเดลภาษาขนาดใหญ่โดยตรง โปรดดู https://platform.openai.com/playground?mode=chat ที่ด้านบนของหน้าหลังจากเข้าสู่ระบบ https://aka.ms/maker /openai.

2. บัญชี Azure OpenAI

เลือกระหว่างบัญชีอย่างเป็นทางการของ OpenAI หรือบัญชี Azure OpenAI

  1. สร้างบัญชี Azure
    • หากคุณไม่มีบัญชี Azure ให้ไปที่เว็บไซต์อย่างเป็นทางการของ Azure เพื่อสมัครบัญชี Azure เสนอตัวเลือกบัญชีฟรี และผู้ใช้ใหม่สามารถรับเครดิตฟรีจำนวนหนึ่งสำหรับการทดสอบและการเรียนรู้
  2. สมัครเพื่อการเข้าถึง
    • ในหน้าบริการ Azure OpenAI ให้คลิกปุ่ม "สมัครเพื่อการเข้าถึง" นี่จะนำคุณไปยังหน้าการสมัครซึ่งคุณต้องกรอกข้อมูลที่จำเป็น รวมถึงชื่อบริษัท กรณีการใช้งาน ฯลฯ
  3. กำหนดค่าและใช้งาน
    • เมื่อคุณมีสิทธิ์เข้าถึง คุณสามารถสร้างทรัพยากรบริการ OpenAI ใหม่ในพอร์ทัล Azure ได้ หลังจากการสร้าง คุณสามารถรับคีย์ API และเริ่มใช้บริการ Azure OpenAI ตามเอกสารอย่างเป็นทางการ

รหัส

1. การกำหนดค่ารหัส

  1. แพ็คเกจ Python Speech SDK พร้อมใช้งานสำหรับ Windows (x64 และ x86), Mac x64 (macOS X เวอร์ชัน 10.14 หรือใหม่กว่า), Mac arm64 (macOS เวอร์ชัน 11.0 หรือใหม่กว่า) และ Linux
  2. บน Raspberry Pi หรือพีซีของคุณ ให้เปิดเทอร์มินัลบรรทัดคำสั่ง
  3. บน Ubuntu หรือ Debian ให้รันคำสั่งต่อไปนี้เพื่อติดตั้งแพ็คเกจที่จำเป็น: 
    sudo apt-get update
sudo apt-get install libssl-dev libasound2
  4. บน Ubuntu 22.04 LTS จำเป็นต้องดาวน์โหลดและติดตั้งแพ็คเกจ libssl1.1 ล่าสุด เช่น จาก http://security.ubuntu.com/ubuntu/pool/main/o/openssl/
  5. โคลน repo 
    git clone https://github.com/jackwuwei/gptspeaker.git
  6. ตั้งค่าคีย์ API ของคุณ: แทนที่ config.json {AzureCognitiveServices.Key} และ {AzureCognitiveServices.Region} ด้วยคีย์ OpenAI API และ {OpenAI.Key} ด้วยคีย์ OpenAI API ของคุณ 
    {
     "AzureCognitiveServices" : {
        "Key" : " AzureCognitiveServicesKey " , 
        "Region" : " AzureCognitiveServicesRegion " ,
    },

    "OpenAI" : {
        "Key" : " OpenAIKey " , 
    },

    // Just choose one of the two OpenAI above
     "AzureOpenAI" : 
     {
        "Key" : " " , // Key 1 or Key 2
        "api_version" : " 2024-02-01 " ,
        "Endpoint" : " " , // Endpoint
        "Model" : " " // Azure AI Studio deployment name 
  }
}
  7. ข้อกำหนดในการติดตั้ง 
    pip3 -r install requirements.txt
  8. เรียกใช้รหัส 
    python3 gptspeaker.py

2. (ไม่บังคับ) สร้างวลีปลุกที่กำหนดเอง

ฐานโค้ดมีวลีปลุกเริ่มต้น ( "Hey GPT" ) อยู่แล้ว ซึ่งฉันขอแนะนำให้คุณใช้ก่อน หากคุณต้องการสร้างคำปลุกแบบกำหนดเองของคุณเอง (ฟรี!) ให้ทำตามขั้นตอนด้านล่าง

  1. สร้างโมเดลคำหลักที่กำหนดเองโดยใช้คำแนะนำที่นี่: https://aka.ms/hackster/microsoft/wakeword
  2. ดาวน์โหลดโมเดล แตกไฟล์ .table และคัดลอกไปยังไดเร็กทอรีรากต้นทาง
  3. อัปเดตไฟล์ config.json เพื่อรวมไฟล์ Wake Phrase ไว้ในบิลด์ 
     "AzureCognitiveServices" : {
   "WakePhraseModel" : " xxx.table " ,
   "WakeWord" : " xxx " ,
}
  4. สร้างและรันโปรเจ็กต์ใหม่เพื่อใช้คำปลุกที่คุณกำหนดเอง
ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด