AI Conversation Speaker aka Friend Bot：第1部分對話

描述

Conversational Speaker，非正式地稱為“Friend Bot”，使用 Raspberry Pi 實現與 OpenAI 大型語言模型的口頭對話。此實現收聽語音，通過 OpenAI 服務處理對話，并做出回應。

有關用于維護對話上下文的提示引擎的更多信息，請轉到此處：python 、typescript 、dotnet 。

有關一般提示設計的更多信息，請查看 OpenAI 關于該主題的文檔：https ://beta.openai.com/docs/guides/completion/prompt-design 。

本項目使用 .NET 6 編寫，支持 Raspberry Pi OS、Linux、macOS 和 Windows。

構建時間：30分鐘

閱讀時間：15分鐘

硬件：~$50

• 樹莓派 4 B 型
• USB 全向揚聲器

軟件：

Azure 認知語音服務，免費層支持每月 5 個免費音頻小時和 1 個并發請求（Azure 認知服務定價）。新的 Azure 帳戶包含 200 美元的免費額度，可在前 30 天內使用。

• OpenAI、Davinci 模型（最強大）：0.02 美元/~750 個單詞，Curie 模型（仍然相當不錯，響應時間更快）：0.002 美元/~750 個單詞。新的 OpenAI 帳戶包含 18 美元的免費信用額度，可在您的前 90 天內使用。更多詳情：https ://openai.com/api/pricing/

設置

您將需要一個用于語音轉文本和文本轉語音的 Azure 認知服務實例，以及一個用于對話的 OpenAI 帳戶。您幾乎可以在任何平臺上運行該軟件，但讓我們先從設置 Raspberry Pi 開始……

樹莓派

如果您是 Raspberry Pis 的新手，現在是查看入門的好時機。

操作系統

1. 將 SD 卡插入您的 PC

2. 轉到https://www.raspberrypi.com/software/然后下載并運行 Raspberry Pi Imager

3. 單擊“選擇操作系統”并選擇默認的樹莓派操作系統（32 位）。

4.點擊`Choose Storage`，選擇SD卡

5. 點擊`Write`，等待鏡像完成。

6. 將 SD 卡插入樹莓派，連接鍵盤、鼠標和顯示器。

7. 完成初始設置，確保配置 Wi-Fi。

USB 揚聲器/麥克風

1. 如果您還沒有插入 USB 揚聲器/麥克風

2. 右鍵單擊??屏幕右上角的音量圖標，確保選擇了 USB 設備。

3. 右鍵單擊??屏幕右上角的麥克風圖標，確保選擇了 USB 設備。

蔚藍

對話式演講者使用 Azure 認知服務進行語音轉文本和文本轉語音。以下是創建 Azure 帳戶和 Azure 認知服務實例的步驟。

創建一個 Azure 帳戶（如果您還沒有）

1. 在 Web 瀏覽器中，導航至https://aka.ms/friendbot/azure并單擊Try Azure for Free。

2. 單擊Start Free開始創建免費的 Azure 帳戶。

3. 使用您的 Microsoft 或 GitHub 帳戶登錄。

4. 登錄后，系統會提示您輸入一些信息。

5. 即使這是一個免費帳戶，Azure 仍然需要信用卡信息。除非您稍后更改設置，否則不會向您收費。

6. 帳戶設置完成后，導航至https://aka.ms/friendbot/azureportal。

創建 Azure 認知服務實例

1. 在https://aka.ms/friendbot/azureportal登錄你的帳戶。

2. 在頂部的搜索欄中，輸入Cognitive Services并在下方Marketplace選擇Cognitive Services（可能需要一些時間來填充）。

3. 確認選擇了正確的訂閱，然后在Resource Group選擇下Create New輸入資源組名稱（例如conv-speak-rg）

4. 為您的 Azure 認知服務實例選擇區域和名稱（例如my-conv-speak-cog-001）。我建議使用美國東部、西歐或東南亞，因為這些地區往往支持最多的功能。

5. 點擊 ，Review + Create驗證通過后點擊Create。

6. 部署完成后，您可以單擊Go to resource以查看您的 Azure 認知服務資源。

7. 在左側導航欄中，選擇Keys and Endpoint下Resource Management。復制兩個認知服務密鑰中的任意一個并保存在安全位置以備后用。

Windows 11 用戶：如果應用程序在調用文本到語音 API 時停滯，請確保您已應用所有當前安全更新（鏈接）。

開放人工智能

對話式演講者使用 OpenAI 的模型進行友好對話。以下是創建新帳戶和訪問 AI 模型的步驟。

創建一個 OpenAI 帳戶（如果您還沒有）

1. 在網絡瀏覽器中，導航至https://openai.com/api并單擊“注冊”

2. 您可以使用谷歌賬戶、微軟賬戶或郵箱創建新賬戶。

3. 完成注冊過程（例如，創建密碼、驗證您的電子郵件等）。如果您是 OpenAI 的新手，請查看使用指南 ( https://beta.openai.com/docs/usage-guidelines )。

4. 在右上角點擊您的賬戶，然后點擊View API keys。

5. 單擊+ Create new secret key，復制并保存在安全位置以備后用。

• 如果您想直接使用大型語言模型，請查看頁面頂部的“游樂場”。

代碼

獲取并配置代碼。

1. 在 Raspberry Pi 或您的 PC 上，打開命令行終端

2.安裝.NET 6 SDK

• 對于樹莓派和 Linux：

curl -sSL https://dot.net/v1/dotnet-install.sh | bash /dev/stdin --channel 6.0

安裝完成后（可能需要幾分鐘），將 dotnet 添加到命令搜索路徑

echo 'export DOTNET_ROOT=$HOME/.dotnet' >> ~/.bashrc
echo 'export PATH=$PATH:$HOME/.dotnet' >> ~/.bashrc
source ~/.bashrc

您可以通過檢查版本來驗證是否已成功安裝 dotnet

dotnet --version

• 對于 Windows，請轉到https://dotnet.microsoft.com/download ，單擊“Download.NET SDK x64”，然后運行安裝程序。

3. 克隆 repo 并簽出適當的分支。

git clone --recursive --branch hackster-tutorial-1 https://github.com/microsoft/conversational-speaker.git

4. 設置您的 API 密鑰，將 {MyCognitiveServicesKey} 替換為您的 Azure 認知服務密鑰，將 {MyCognitiveServiceRegion} 替換為您的 Azure 認知服務區域（例如，EastUS），并將 {MyOpenAIKey} 替換為上述部分中的 OpenAI API 密鑰。

cd ~/conversational-speaker/src/ConversationalSpeaker
dotnet user-secrets set "AzureCognitiveServices:Key" "{MyCognitiveServicesKey}"
dotnet user-secrets set "AzureCognitiveServices:Region" "{MyCognitiveServiceRegion}"
dotnet user-secrets set "OpenAI:Key" "{MyOpenAIKey}"

5. 構建并運行代碼！

cd ~/conversational-speaker/src/ConversationalSpeaker
dotnet build
dotnet run

（可選）將應用程序設置為開機啟動

Raspberry Pi 啟動時有幾種方法可以運行程序。下面是我的首選方法，它會在可見的終端窗口中自動運行應用程序。這使您不僅可以看到輸出，還可以通過單擊終端窗口并按 CTRL+C 來取消應用程序。

1.創建文件/etc/xdg/autostart/friendbot.desktop

sudo nano /etc/xdg/autostart/friendbot.desktop

2.將以下內容放入文件中

[Desktop Entry]
Exec=lxterminal --command "/bin/bash -c '~/.dotnet/dotnet run --project ~/conversational-speaker/src/ConversationalSpeaker; /bin/bash'"

按 CTRL+O 保存文件，按 CTRL+X 退出。這將在 Raspberry Pi 完成啟動后在終端窗口中運行應用程序。

3. 要測試更改，您只需運行即可重新啟動

reboot

怎么運行的

有關如何使用代碼字的更多詳細信息，請查看README 。

用法

• 建議以“你好，我叫喬丹，住在華盛頓州雷德蒙德”開頭來設置上下文。
• 看看~/conversational-speaker/src/ConversationalSpeaker/configuration.json.
• 更改 AI 的名稱 ( PromptEngine:OutputPrefix),
• 改變 AI 的聲音 ( AzureCognitiveServices:SpeechSynthesisVoiceName)
• 改變 AI 的性格 ( PromptEngine:Description)
• 對于中短對話，提示引擎的當前狀態通常保持穩定。然而，有時在較長的對話中，人工智能可能不僅會開始回應它自己的回應，還會回應它認為你接下來可能會說的話。

下次...

在下一個教程中，我們將向我們的會話揚聲器添加喚醒階段（例如“嘿，計算機”）。

玩得開心！