位置: IT常识 - 正文

基于Web Speech API给ChatGPT加上语音功能,距离MOSS又近了一步(基于网络创新形成的大数据的最突出特征是什么?( ))

编辑:rootadmin
基于Web Speech API给ChatGPT加上语音功能,距离MOSS又近了一步

目录

前言

起步

实现过程

webkitSpeechRecognition

speechSynthesis

小例子

遇到的问题

效果展示

总结


前言

推荐整理分享基于Web Speech API给ChatGPT加上语音功能,距离MOSS又近了一步(基于网络创新形成的大数据的最突出特征是什么?( )),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:基于重大误解实施的民事法律行为,基于网页的客服系统,基于网页的客服系统,基于网络创新形成的大数据的最突出特征是什么?( ),基于中国国情的中国式现代化具有哪些特色,基于网页的客服系统,基于核心素养下的大单元教学设计,基于专业性的家校双向互动,需要家长的学校教育参与,内容如对您有帮助,希望把文章链接给更多的朋友!

去年写了两篇关于接入ChatGPT的文章:微信接入ChatGPT,使用Node+ChatGPT+Wechaty做一个微信机器人_DieHunter1024的博客-CSDN博客

站在巨人的肩膀上,用Node+ChatGPT模块实现一个接口_DieHunter1024的博客-CSDN博客

我自己也把微信小号接入了ChatGPT,同事们直呼过瘾,每天在群里聊得风生水起

这不前段时间看了《流浪地球2》,在感叹国产科幻片如此优秀的同时,心中萌生出了一个想法,我是不是也能把语音技术结合到ChatGPT中,做个语音对话机器人玩玩?

说干就干,参照之前的文章,我们使用nodejs实现了chatGPT接口,现在只需在前端页面中实现语音识别以及语音合成就行了

起步

说到语音功能,浏览器已经提供了对应的Web Speech API,其中有两个对象,分别是

webkitSpeechRecognition:语音识别对象speechSynthesis:语音合成对象

借助这两个对象,我们可以调用麦克风和扬声器,对浏览器进行交互

下面是一个简单的流程,用户使用webkitSpeechRecognition中的函数进行语音识别,将字符发送到之前做的chatGPT接口中,chatGPT模块调用openai换取AI模型输出结果,返回到浏览器,浏览器通过speechSynthesis合成音效,完成一个对话周期

实现过程webkitSpeechRecognition // 创建语音识别对象 const recognition = new webkitSpeechRecognition(); // 语音设置成中文 recognition.lang = "zh-CN"; // 开始识别 recognition.start(); // 当识别到语音时触发事件 recognition.addEventListener("result", (event) => { console.log(event.results); });

使用上述代码后,页面中会弹出权限请求,点击允许 

然后我们直接说话就会有识别结果(需要挂vpn)

基于Web Speech API给ChatGPT加上语音功能,距离MOSS又近了一步(基于网络创新形成的大数据的最突出特征是什么?( ))

如果打开了麦克风,但是说话没有反应的,大概率是因为识别服务没请求到,需要挂vpn

此外, webkitSpeechRecognition类还有以下常用配置:

recognition.continuous = true 持续识别,直到调用stop,默认为false,识别一次就会自动关闭

recognition.interimResults = true 识别时是否打断并更新结果,默认为false,设置为true时会有如下效果

speechSynthesis

接下来看看语音合成

const speakText = new SpeechSynthesisUtterance("hello world"); speechSynthesis.speak(speakText);

在控制台输入以下代码,即可合成hellow world的语音效果

小例子

了解了上述用法,我们可以在浏览器上实现模仿自己说话的功能,代码如下

<!DOCTYPE html><html lang="en"> <head> <meta charset="UTF-8" /> <meta http-equiv="X-UA-Compatible" content="IE=edge" /> <meta name="viewport" content="width=device-width, initial-scale=1.0" /> <title>ASR-Node</title> <style> * { margin: 0; padding: 0; } #app { width: 1000px; margin: 100px auto 0; text-align: center; } h3 { margin-bottom: 20px; } </style> </head> <body> <div id="app"> <h3>ChatGPT-ASR-Bot</h3> <main> <span>发送:</span> <span id="send_msg"></span> <br /> <span>接收:</span> <span id="rec_msg"></span> </main> </div> <script type="module"> const speak = (str) => { rec_msg.textContent = str; const speakText = new SpeechSynthesisUtterance(str); // 转换字符 speechSynthesis.speak(speakText); // 语音合成 }; const listen = () => { // 创建语音识别对象 const recognition = new webkitSpeechRecognition(); // 语音设置成中文 recognition.lang = "zh-CN"; // 当识别到语音时触发事件 recognition.addEventListener("result", (event) => { const { results } = event; console.log(results); const len = results.length; const { transcript } = results[len - 1][0]; send_msg.textContent = transcript; speak(transcript); }); return recognition; }; // 开始识别 listen().start(); </script> </body></html>

虽然放不了声音,但是效果还是很直观的:

实现完毕后,我们就可以在语音识别完成和语音合成之前这两个节点对接ChatGPT接口(代码比较多,就不贴出来了,有兴趣可以直接下载源码)

遇到的问题

虽然在识别时使用了continuous:true属性。webkitSpeechRecognition仍然会超时自动关闭。解决方式是在其end事件钩子中执行重新识别的操作

效果展示

总结

本文带领各位认识了Web Speech API的两个对象以及常用的函数,实现了一个模仿自己说话的案例,并接入最近比较火的ChatGPT模型,以实现一个类似小爱同学的语音助手的语音对话功能。

最后,感谢你的阅读,如果文章对你有帮助,还希望支持一下作者。

在这里我也抛砖引玉,期待看到大家的进阶玩法

源码:chatGPT-ASR: ChatGPT接入语音识别与合成的功能

本文链接地址:https://www.jiuchutong.com/zhishi/298601.html 转载请保留说明!

上一篇:【深度估计】单目深度估计(深度计算公式)

下一篇:何为 Vue3 组件标注 TS 类型,看这篇文章就够了!(vue组件标签)

  • 兴业银行汇款手续费
  • 延期申报后可否延期缴纳税款
  • 所得税可以弥补几年
  • 销货退回的税务处理
  • 已经认证的发票可以作废吗
  • 资产损失税前扣除管理办法
  • 软件企业即征即退账务处理
  • 劳动保护费现金流量表项目
  • 怎么计算收益率
  • 小规模企业如何变更营业范围
  • 个税手续费返还会计分录
  • 建筑企业预交增值税税务筹划案例
  • 研发废料收入实务中如何冲减研发费用?
  • 天猫运费险是按照每一单结算的吗
  • 个人汽车贷款所购车辆
  • 金税盘开红字发票
  • 质量扣款发票怎么处理
  • 房租付款和发票有关系吗
  • 营改增后定额材料单价的组成包括
  • 收到工会经费怎样做账
  • win7为什么这么多人用
  • 建筑工程团体意外险
  • linux文件权限控制
  • 如何在pc桌面上添加文件
  • 租赁费和场地租赁费区别
  • 个税手续费反还
  • 公司租赁办公室要注意什么
  • vue3 vue.config.js配置Element-plus组件和Icon图标实现按需自动引入
  • 生育津贴差额账务处理
  • 青龙面板拉库命令
  • 我找到了这个
  • transformers document
  • php如何实现
  • 黄石国家公园的英文翻译
  • 英雄联盟轮转模式2020时间表
  • 万能的python
  • imu模型
  • Windows7配置启用ca证书
  • vuejs echarts
  • 关于公司预支工资制度
  • 织梦使用手册
  • 挂靠的公司替我们交的税款如何记账?
  • 银行不良资产核销后怎么处理
  • mongo --eval
  • 医院怎么开发票?
  • 电子商业承兑汇票的承兑有以下几种方式
  • 土地租金计入什么会计科目
  • 增值税加计抵减是什么意思
  • 外币折算会计思维导图
  • 公司破产账务处理
  • 发出存货的计价应当采用
  • 研发支出费用化支出期末有余额吗
  • 应收票据背书转让购买原材料
  • 行政单位收到银行存款利息的会计分录
  • 公司进项不够可以退税吗
  • 股权转让如何支付利润
  • 企业注销未分配是从注册开始吗
  • sql语句错误提示
  • xp系统找不到指定的路径怎么办
  • 清理c盘清理
  • win10文字模糊怎么调整
  • linux文件切片命令
  • 修改双系统的引导顺序
  • winxp系统怎么设置默认账户登入
  • winxp开机黑屏只有光标
  • 在对linux系统中dir
  • node.js console.log
  • 用android做一个简单的软件
  • 批处理作用
  • unity 游戏
  • python的argparse用法
  • 简单介绍自己的名字由来
  • jquery异步提交表单
  • python smtpd
  • Javascript字符串对象函数
  • python动态绑定属性
  • 小规模纳税人进口环节的增值税税率
  • 发票查验结果不一致的原因有哪些
  • 电子客票号码8768是什么
  • 工信部摩托车目录查询
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设