Skip to main content

ChatGPT - BeagleY-AI

note

この文書は AI によって翻訳されています。内容に不正確な点や改善すべき点がございましたら、文書下部のコメント欄または以下の Issue ページにてご報告ください。
https://github.com/Seeed-Studio/wiki-documents/issues

はじめに​

このプロジェクトでは、BeagleY-AIを使用して音声入力、大規模モデルの応答、音声出力機能を統合しています。ReSpeaker Liteを音声の入出力デバイスとして使用し、ChatGPTおよび音声からテキストへの変換サービスとのシームレスなやり取りを可能にします。

必要なハードウェア​

はじめに​

まず、Getting started documentationを確認してBeagleY-AIをセットアップし、ネットワークに接続してください。

note

PythonのバージョンがPython3.7.1以上であることを確認してください。
バージョンを確認するには以下を実行します：

python3 --version

ライブラリのインストール​

sudo apt update
sudo apt install python3-pip python3-dev
sudo apt install portaudio19-dev
sudo apt install ffmpeg -y
sudo apt-get install flac
pip3 install pyaudio
pip3 install speechrecognition
pip3 install openai
pip3 install playsound
  • 以下のコマンドを実行してReSpeaker Liteを設定します：
pw-metadata -n settings 0 clock.force-rate 16000
tip

ReSpeaker Liteの音量を調整するコマンド：

alsamixer

コード​

このPythonコードは、ウェイクワードを認識し、ユーザーの音声コマンドをテキストに変換し、GPT-4を使用して応答を生成し、その応答を音声に変換して再生するシンプルな音声アシスタントを実装します。

デバイスはまずウェイクワードを待機し、その後ユーザーのコマンドを聞き取ります。コマンドを受信すると、プログラムはGPT-4を使用して応答を生成し、それを音声として再生します。コマンドの認識に3回失敗すると、ウェイクワードの待機状態に戻り、新しい音声対話セッションを開始するには再度ウェイクワードを発する必要があります。

  • ステップ1: APIキーを設定します
export OPENAI_API_KEY= 'your-api-key-here'
  • ステップ2: 新しいPythonファイルを作成し、以下のコードを入力します：
import speech_recognition as sr
from openai import OpenAI
from pathlib import Path
from pydub import AudioSegment
import os


client = OpenAI()

def text_to_speech(text):
    speech_file_path = Path(__file__).parent / "speech.mp3"
    response = client.audio.speech.create(
    model="tts-1",
    voice="alloy",
    input=text
    )

    response.stream_to_file(speech_file_path)
    audio = AudioSegment.from_mp3("speech.mp3")
    audio.export("speech.wav", format="wav")
    cmdline = 'aplay ' + " speech.wav" 
    os.system(cmdline)



# 音声認識器を初期化
recognizer = sr.Recognizer()
microphone = sr.Microphone()

# ウェイクワードを定義
WAKE_WORD = "hi"

def listen_for_wake_word():
    with microphone as source:
        recognizer.adjust_for_ambient_noise(source, duration=0.5)
        print("ウェイクワードを待機中...")
        
        while True:
            audio = recognizer.listen(source)
            # audio = recognizer.listen(source, timeout=5, phrase_time_limit=5)
            try:
                text = recognizer.recognize_google(audio).lower()
                if WAKE_WORD in text:
                    print(f"ウェイクワード '{WAKE_WORD}' を検出しました。")
                    text_to_speech("こんにちは、何をお手伝いしましょうか？")
                    return True
            except sr.UnknownValueError:
                continue
            except sr.RequestError as e:
                print(f"結果をリクエストできませんでした； {e}")
                continue

i=0
def listen_for_command():
    global i
    with microphone as source:
        print("コマンドを待機中...")
        # audio = recognizer.listen(source)
        audio = recognizer.listen(source, timeout=5, phrase_time_limit=5)
        try:
            command = recognizer.recognize_google(audio)
            print(f"あなたの発言: {command}")
            i=0
            return command
        except sr.UnknownValueError:
            print("音声を理解できませんでした")
            i = i+1
        except sr.RequestError as e:
            print(f"結果をリクエストできませんでした； {e}")
            i = i+1


def get_gpt_response(prompt):
    completion = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[
        {"role": "system", "content": "あなたの名前はスピーカーです。あらゆる質問に答えることができます。"},
        {"role": "user", "content": prompt}
    ]
    )

    content_string = completion.choices[0].message.content
    paragraphs = content_string.split('\n\n')
    combined_content = ' '.join(paragraphs)
    return combined_content




def main():
    global i
    while 1:
        flag = listen_for_wake_word()
        while flag == True:
            user_input = listen_for_command()
            if i==3:
                flag = False
                i = 0
            if user_input:
                gpt_response = get_gpt_response(user_input)
                print(f"GPTの応答: {gpt_response}")
                text_to_speech(gpt_response)
                

if __name__ == "__main__":
    main()
  • ステップ3: Pythonファイルを実行します。
python LLM_beagle.py

これで準備完了です。「Hi」で起動して話しかけてみてください！

Loading Comments...