自制智能音箱，高度自定义

jsfer888

看到一个ESP32-LyraTD-MSC开发板，能不能制作一个音箱，需要实现通过语音唤醒，接受语音信息后通过语音识别转化成文字，将文字信息通过MQTT发送出来，然后MQTT接受到文字以后可以TTS出来，或者可以通过DLAN或者MPD服务接受音频并播放出来，另外还需要可以通过MQTT指令免语音激活，激活以后等待指令。

把这个诉求发送给chatgpt以后，它卡卡写了好多，奈何我一点都看不懂，有懂的大佬可以帮忙实现一下吗？

liqingbo

同求，关注

sasukebinbin

为什么MQTT接受到文字以后要TTS出来呢?
把自己说的话,再TTS出来?

不过能语音识别后能得到文字的多数是要在线的,不然自己的服务器应该跑不了这么大的数据计算.
在线的多数是要收费的,所以到现在也没类似的方案.
个人想法

sasukebinbin

我知道了,你是看了这篇帖子吧
https://bbs.hassbian.com/thread-19830-1-1.html

他是劫持了若琪. 识别语音还是若琪的服务在做.
对外的现在只有科大是最好的了吧.
科大给1年免费50万次的试用. 之后价格吓死人.
这是在线的,速度很快. 离线的目前应该还没有.要是有了,那些公司的收益都会受到影响

jsfer888

sasukebinbin 发表于 2023-3-10 00:29
我知道了,你是看了这篇帖子吧
https://bbs.hassbian.com/thread-19830-1-1.html

额 这就是我的哈，这个主要是不能够无语音激活，后续和GPT对话的时候有一些体验不是很好，每次说话前需要通过唤醒词激活。

sasukebinbin

jsfer888 发表于 2023-3-10 09:20
额 这就是我的哈，这个主要是不能够无语音激活，后续和GPT对话的时候有一些体验不是很好，每次说话前需要 ...

彻底晕了 居然都是你.
大神也来提问了啊.
话说,我刚下单了那个音响,准备拿来玩一玩.

我目前用的是离线语音识别,可以设置8个命令不用唤醒. 但是不能讲语音识别为文字.
如果是对话的话,我觉得还是唤醒一下比较好,不然容易出错.  你说的是不是连续对话功能.
这个应该要看若琪是不是支持了吧. 就好像,天猫精灵可以,Siri不可以

jsfer888

sasukebinbin 发表于 2023-3-10 10:40
彻底晕了 居然都是你.
大神也来提问了啊.
话说,我刚下单了那个音响,准备拿来玩一玩.

我想实现的是将来和Chatgpt聊天的时候，根据chatgpt的聊天内容来判断是否有必要免语音激活，这样就可以无感对话了

sasukebinbin

jsfer888 发表于 2023-3-10 10:45
我想实现的是将来和Chatgpt聊天的时候，根据chatgpt的聊天内容来判断是否有必要免语音激活，这样就可以无 ...

这个想法很好. 这个应该要看若琪API了,那个劫持到底是怎么劫持的. 不单单劫持还得迷惑.
等我拿到了再研究研究. 话说,Dot固件是在哪里啊? 网上什么都没搜到

jsfer888

sasukebinbin 发表于 2023-3-10 11:47
这个想法很好. 这个应该要看若琪API了,那个劫持到底是怎么劫持的. 不单单劫持还得迷惑.
等我拿到了再研 ...

在折腾群里面哈

447806109

https://github.com/wzpan/wukong-robot  看看这个