GTTS

Gemini text-to-speech

แปลงเนื้อหาที่เขียนเป็นคำพูดโดยใช้ Google AI (Gemini) สำหรับการสร้างข้อความและการดึงข้อมูลบนอินเทอร์เน็ต

---

สารบัญ

1. มันทำงานอย่างไร
2. หมายเหตุโครงการ
3. การติดตั้งโครงการ
4. ตัวอย่างโครงการ
5. ผู้มีส่วนร่วม

---

❓มันทำงานอย่างไร

โครงการนี้ขึ้นอยู่กับตัวอย่างในการทดสอบ/app.ts มันทำตามขั้นตอนต่อไปนี้:

1. ดึงข้อมูลเสียง
2. ส่งคำขอไปยัง Google Gemini API เพื่อรับการตอบกลับที่สร้างขึ้นโดย AI
3. แปลงการตอบสนองต่อการพูดโดยอัตโนมัติโดยใช้เทคโนโลยี Text-to-Speech (TTS)
4. เล่นเสียงที่สร้างขึ้น

---

- หมายเหตุโครงการ

โครงการนี้ได้รับการทดสอบบน Linux (Ubuntu 24.04 LTS x86_64) ผู้ใช้ Windows สามารถติดตั้ง SOX ผ่าน SourceForge ข้อมูลเฉพาะ MacOS ไม่สามารถใช้งานได้ในปัจจุบัน

งาน	ลำดับความสำคัญ	สถานะ
ใช้การแชทของราศีเมถุน	สูง	✅เสร็จสิ้น
พัฒนาการจดจำเสียง	สูง	✅เสร็จสิ้น
ใช้การตรวจจับภาษาเสียง	สูง	✅เสร็จสิ้น
ใช้การตรวจจับภาษาข้อความ	ปานกลาง	✅เสร็จสิ้น
ใช้เครื่องเล่นเสียง	ต่ำ	✅เสร็จสิ้น
กำหนด enums	ต่ำ	✅เสร็จสิ้น
รวมการดีบัก	ต่ำ	✅เสร็จสิ้น

---

- การติดตั้งโครงการ

ก่อนที่จะใช้ที่เก็บนี้ตรวจสอบให้แน่ใจว่ามีการติดตั้งการพึ่งพาต่อไปนี้ในระบบของคุณ:

ลินเวกซ์

• SOX : sudo apt-get install sox
• libsox-fmt-all : sudo apt-get install libsox-fmt-all
• ffmpeg : sudo apt install ffmpeg

หน้าต่าง

• SOX : ดาวน์โหลดจาก SourceForge
• ffmpeg : choco install ffmpeg (ใช้ช็อคโกแลต) หรือดาวน์โหลดจากเว็บไซต์อย่างเป็นทางการ

แม็กอส

คำแนะนำการติดตั้งเฉพาะ MacOS ไม่สามารถใช้ได้ในขณะนี้

ในการติดตั้งแพ็คเกจให้ใช้หนึ่งในคำสั่งต่อไปนี้ตามตัวจัดการแพ็คเกจที่คุณต้องการ:

 # npm
$ npm install git+https://github.com/Stawa/GTTS.git --legacy-peer-deps
# Bun
$ bun install git+https://github.com/Stawa/GTTS.git --trust

---

- ตัวอย่างโครงการ

ก่อนที่จะดำน้ำในตัวอย่างให้แน่ใจว่าคุณมีคีย์ API และข้อมูลรับรองดังต่อไปนี้:

• คีย์ Google Gemini API ( lib.GoogleGemini )
  • รับจาก Google Cloud Console
• tiktok sessionid ( lib.TextToSpeech )
  • สารสกัดจากคุกกี้เบราว์เซอร์ Tiktok หลังจากเข้าสู่ระบบ
• คีย์ Google Speech API ( lib.VoiceRecognition.fetchTranscriptGoogle )
  • สร้างจากข้อมูลรับรองคอนโซล Google Cloud
• คีย์ API DeepGram ( lib.VoiceRecognition.fetchTranscriptDeepgram )
  • สร้างบัญชีและรับจากคอนโซล DeepGram
• Edenai API Key ( lib.SummarizeText )
  • ลงทะเบียนและดึงข้อมูลจากแผงควบคุม Edenai

ตรวจสอบให้แน่ใจว่าเก็บคีย์ API เหล่านี้อย่างปลอดภัยและไม่เคยควบคุมเวอร์ชัน พิจารณาใช้ตัวแปรสภาพแวดล้อมหรือระบบการจัดการคีย์ที่ปลอดภัย

นี่คือตัวอย่างที่กระชับแสดงให้เห็นถึงวิธีการสร้างการตอบสนองโดยใช้ Google Gemini API:

 import { GoogleGemini } from "@stawa/gtts" ;
import dotenv from "dotenv" ;
dotenv . config ( ) ;

const gemini = new GoogleGemini ( {
  apiKey : process . env . GEMINI_API_KEY ,
  model : "gemini-1.5-flash" ,
  enableLogging : true ,
} ) ;

async function main ( ) {
  try {
    const question = "When was Facebook launched?" ;
    console . log ( `Question: ${ question } ` ) ;

    const response = await gemini . chat ( question ) ;
    console . log ( `Gemini's response: ${ response } ` ) ;
  } catch ( error ) {
    console . error ( "An error occurred:" , error ) ;
  }
}

main ( ) ;

---

ผู้มีส่วนร่วม

เราขอขอบคุณการมีส่วนร่วมของผู้ทำงานร่วมกันทั้งหมดของเรา ความพยายามของแต่ละคนช่วยให้โครงการนี้ดีขึ้น ขอขอบคุณเป็นพิเศษสำหรับผู้มีส่วนร่วมของเราทุกคนที่ช่วยกำหนดโครงการนี้!

---