前面说到了，
OpenAI
中不存在这种
API
，但是提供了一个
Whisper
机器人，支持将音频流转化为文本，也就是
STT
。
实现如下返回的
text
就是识别的语音内容
const {
data: { text: prompt },
} = await openai.createTranscription(
fs.createReadStream(fileName),
"whisper-1"
实现文字转语音（TTS）
OpenAI 目前只提供了 STT，如果需要返回给用户一个音频的话。就需要用到国内的 科大讯飞 每天有 5.05w 次免费的 TTS。
如果你有国外信用卡，可以考虑使用微软推出 Azure，很多电报机器人就是用的它来开发的，免费使用 12个月。
所以在这里还是使用科大讯飞的 TTS
文字生成音频文件
音频没有直接返回流，而是直接生成一个音频返回文件路径给前端播放。
回复音频存放在 chat-audio/client/audio 中
先在 讯飞TTS 中获取需要的 keys
const tts = promisify(require("./utils/tts"));
require("dotenv").config();
const generateAudio = (text) => {
return new Promise((resolve, reject) => {
const auth = {
app_id: process.env.TTS_APP_ID,
app_skey: process.env.TTS_API_SECRET,
app_akey: process.env.TTS_API_KEY
const business = {
aue: "lame",
sfl: 1,
speed: 50,
pitch: 50,
volume: 100,
bgs: 0,
const id = new Date().getTime()
const file = path.resolve(__dirname, `client/audio/${id}.m4a`);
try {
tts(auth, business, text, file).then((res) => {
resolve(`audio/${id}.m4a`)
} catch (e) {
reject(e)
封装好的讯飞的语音包 TTS，放在 ChatAudio 仓库 里面。这里就不展示出来了
调用 STT & TTS
音频对话接口
通过 api/audio，让客户端调用此方法
app.use(fileUpload());
app.post("api/audio", async (req, res) => {
if (!req.files) return res.status(400).send({ message: "缺少参数", error: true });
const file = req.files.file;
const fileName = "audio.m4a";
file.mv(fileName, async (err) => {
if (err) {
return res.status(500).send(err);
const {
data: { text: prompt },
} = await openai.createTranscription(
fs.createReadStream(fileName),
"whisper-1"
console.log("解析的音频内容是>>>", prompt);
if (!prompt.trim().length)
return res.send({ message: "未识别到语音内容", error: true });
const chatReply = await handleIssueReply(prompt);
const content = await generateAudio(chatReply);
console.log("生成的音频是>>>", content);
res.send([
{ type: "system", content, chatReply, infoType: "audio", playStatus: false },
ChatGPT 回复问题能力
不管是 TTS、STT还是TTT，最核心对话功能还是通过 ChatGPT实现的。
ChatGPT 配置就不细说了，配置一个 KEY 然后封装一个回复问题的方法
获取 ChatGPT KEY
const { Configuration, OpenAIApi } = require("openai");
const configuration = new Configuration({
apiKey: process.env.OPENAI_API_KEY,
const openai = new OpenAIApi(configuration);
const handleIssueReply = async (prompt) => {
const {
data: { choices },
} = await openai.createCompletion({
model: "text-davinci-003",
prompt,
temperature: 0.5,
max_tokens: 1000,
top_p: 1.0,
frequency_penalty: 0.0,
presence_penalty: 0.0,
const chat = choices[0].text?.trim();
console.log("生成的文本内容是>>>", chat);
return chat;
实现效果如下，没有录屏可以自行感受下。
补充功能 Text To Text
前面做的语音对话，只是为了让你不再孤单寂寞，但是在日常开发工作中基本上不会使用到语音对话，所以单独做了个可以直接使用的文字聊天功能。
所以新开了一个接口直接调用 ChatGPT 的回复。
app.get("/api/issue", async (req, res) => {
const { issue } = req.query;
if (!issue.trim()) return res.status(400).send({ message: "缺少参数", error: true });
const chatReply = await handleIssueReply(issue);
return res.send([{ type: "system", content: chatReply }]);
前端没什么太多需要注意的，列一下依赖吧，均采用的 CDN。
Elment UI
代码在 chat-audio/client/index.html 这里
使用 ChatAudio
git clone git@github.com:CrazyMrYan/chat-audio.git
配置 Key
在 ENV 文件中配置 科大讯飞 和 OpenAI 的 key
yarn install
yarn start
浏览器打开 localhost:3000
就可以看到聊天界面了
tips:
开下 ke xue shang wang
最好是 🇺🇸 节点
- 351
-
一个普普通通简简单单
TensorFlow
JavaScript
- 786
-
JavaScript
TensorFlow
