使用 Open AI 的 ChatGPTWhisperPython 和 Gradio 创建智能语音助手 | Python项目

Posted 2023-03-03 OooKK_24

最近chatGPT大火，我也来蹭蹭热度（不是）

既然chatGPT是所谓的聊天机器人，那就不能只通过手动输入文字来和它聊天。那么，如果将语音转化为文字，然后将文字作为输入传给chatGPT，岂不是就可以成为一个语音助手。

于是，就有了今天这个博客。事先声明，本文涉及到技术的部分完全来源于youtube的一位博主！

• 视频链接：https://www.youtube.com/watch?v=lBCoktYvSKg

• 项目github地址：https://github.com/terry3041/pyChatGPT

• Google Colab地址：https://github.com/bhattbhavesh91/voi...

感兴趣的小伙伴可以自行查阅。

下面，我们就一起来简单分析下如何实现一个简易的智能语音助手：

基础架构：

核心原理其实很简单：首先将用户输入的音频通过Whisper转化为文字，然后将文字作为输入传入ChatGPT（这里可以直接调用其接口），最后得到来自chatGPT的回答。

下面让我们看下如何具体实现：

我们直接打开原作者的Google Colab笔记本：

里面分为五个模块：

Installation：导入相关库

Imports:导入相关python包

Defining Variables:相关参数配置

Transcribe Function:核心功能实现

Gradio Interface:基于Gradio实现前端界面

真正需要我们自己填写的只有Defining Variables这部分

我们需要在"secret_token"填写注册成为ChatGPT用户后获取的token

具体注册步骤：https://zblogs.top/how-to-register-openai-chatgpt-in-china/#openai-supported-areas

获取session token :（详细步骤原博主的github库里有）

填好session token后，在Google Colab上依次运行各模块，最后生成的语音助手如下：

感兴趣的小伙伴可以自行尝试！

一些别的思路：

1. 可以外接一个Led显示屏，将结果以自己喜欢的方式打印出ChatGPT回答的结果；

2. 可以将本项目的输出结果转为语音，使其成为一个高级的Siri/小度（可能需要封装为apk或者ios app)

关于人工智能的思考：

就目前来看，ChatGPT的智能程度远远不够，它甚至都不能通过“图灵测试”的标准解释。

不过，这个AI模型的出现，确实让人耳目一新，至少，它能让普通用户，切实地体会到与AI聊天的乐趣。

随着算力不断提升和数据集的扩展，相信在不久的将来，我们真的可以亲眼鉴证一个真正的人工智能的诞生！