ai voice generation

AI动力的语音聊天演示

tyingshoelaces.com

概述

这是使用免费API的OpenAI语音功能的简单版本。该演示使您可以与LLMS交谈，倾听和交谈。

原始博客文章在这里： -博客：博客文章YouTube视频解释器在这里：YouTube视频

随时玩！

技术堆栈

• LLM主机： Groq
• LLM： Llama 3
• TTS：深色
• STT：语音识别API
• Web框架： NextJS（React前端，Express API）

如何使用

1. 下载回购
2. npm i
3. setup .env.local with with deepgram_api_key和groq_api_key
4. NPM运行开发

您可能需要编辑所有提示，以更改响应的音调。

该体系结构很简单，语音 - >文本 - > llm->文本 - >语音。抹布和各种有趣的创意事物可以用来为LLM增添趣味。

提示和技巧

如果您想要非冠状API或更稳定的东西，您可能希望将语音识别转换为Whisper AI。

在处理Audioplayer中，该演示中没有必要的处理状态需要大量投资。

使用提示和上下文到Groq是个性化的关键。

与我联系以获取反馈！

我做了什么

我建立了一个演示，您可以：

1. 使用WebSpeechRecognitionapi对浏览器进行交谈。
2. 将转录的文本流到groq进行处理。
3. 将groq的响应流到文本到语音转换的响应。
4. 在浏览器中播放生成的音频响应。

• NextJS： ★★★★★ - 精彩的技术，简化了客户端和服务器端的开发。
• groq： ★★★★★ - 速度和成本的新基准测试。
• Llama3： ★★★★☆-与GPT -IO明显不同，非常适合廉价的要求和演示。
• 深集： ★★★☆☆-慷慨的起始学分，良好的延迟。仍然是绿色的技术。

链接

• 演示： AI语音一代演示
• GitHub存储库： GitHub
• 视频： YouTube视频
• 博客：博客文章

---

Edward EJB503，Tying Shoelaces博客