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)

  • 小规模纳税人未达起征点增值税处理
  • 单位的车辆车船税怎么交
  • 增值税发票系统怎么读入发票
  • 一般进口货物的完税价格如何确定
  • 上一年度亏损,本年怎么计算企业所得税
  • 盘盈固定资产明细账怎么填写?
  • 核定扣除公式
  • 会议费发票能抵扣吗
  • 发票税率金额如何得出
  • 小微企业未开票收入大于45万怎么填
  • 信息技术服务费计入什么会计科目
  • 未达起征点的增值税怎么账务处理
  • 注销税务注意事项
  • 房产折旧计算方法 举例
  • 股权转让与增资扩股的税务
  • 差额征税怎么交税
  • 土地使用税的免税规定有哪些
  • 土地增值税预缴政策
  • 销售收入冲红如何入账
  • 简易征收可以抵扣进项吗
  • 当月取得的进项必须当月勾选吗
  • 员工离职公司需要办理什么手续
  • 合同中止发票已入账怎么处理?
  • 固定资产的清查由哪个部门负责
  • 事业单位需要写自传吗
  • 离职补偿金excel公式
  • 乐器的税率
  • 三类不良行为
  • 销售结算款扣款怎么记账?
  • 走pos对公账户扣多少手续费
  • 安装费的税费的会计分录
  • 基地建设费归哪个会计科目
  • 固定资产出租需要交什么税
  • 职工教育经费的扣除限额
  • 财务都干些什么
  • 固定资产进项税额怎么做账
  • 公司的职工教育是指什么
  • 高新技术企业研发费占比
  • 费用确认条件新准则
  • php过滤emoji
  • 最早遥控器是谁发明的
  • 外企借款投资利息高吗
  • 国税0申报如何网上申报
  • 利息收入的含义
  • 存货的采购成本包括
  • php框架的作用
  • 最常用的基金业务
  • 固定资产清理的会计科目处理
  • 无偿转让股权印花税计税金额
  • 公司开具了电子发票
  • 教育费附加减免政策
  • 多收钱少开票
  • vue开发需要掌握哪些知识
  • 小规模纳税人收入超过500万怎么办
  • 其他收益在利润表中的位置
  • 资产减值损失是费用吗
  • 抄税期一般是几天
  • mongodb mysql配合使用
  • 出口退的税交附加税吗
  • 疫情期间免征什么税
  • 公司基本账户如何开户
  • win8.1关机没反应
  • nvidia发布了G6X
  • centos7编译安装内核
  • centos7 dns
  • win7系统打不开设备与打印机
  • AndEngine 《Android游戏开发实践指南》之“吸血鬼游戏”实例学习(一)
  • unity ugui ngui
  • 如何设置edittext控件中的文字
  • cocos2d教程
  • jquery设置自定义属性
  • jquery page
  • nodejs递归创建目录
  • android intent作用
  • android xml文件有哪几种布局方式
  • java script教程
  • 股权转让怎么计算个人所得税
  • 充值卡和预付卡区别
  • 人文考试多少分合格
  • 重庆国税网上怎么申报
  • 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