AI Conversation Speaker aka Friend Bot：第1部分对话

描述

Conversational Speaker，非正式地称为“Friend Bot”，使用 Raspberry Pi 实现与 OpenAI 大型语言模型的口头对话。此实现收听语音，通过 OpenAI 服务处理对话，并做出回应。

有关用于维护对话上下文的提示引擎的更多信息，请转到此处：python 、typescript 、dotnet 。

有关一般提示设计的更多信息，请查看 OpenAI 关于该主题的文档：https ://beta.openai.com/docs/guides/completion/prompt-design 。

本项目使用 .NET 6 编写，支持 Raspberry Pi OS、Linux、macOS 和 Windows。

构建时间：30分钟

阅读时间：15分钟

硬件：~$50

• 树莓派 4 B 型
• USB 全向扬声器

软件：

Azure 认知语音服务，免费层支持每月 5 个免费音频小时和 1 个并发请求（Azure 认知服务定价）。新的 Azure 帐户包含 200 美元的免费额度，可在前 30 天内使用。

• OpenAI、Davinci 模型（最强大）：0.02 美元/~750 个单词，Curie 模型（仍然相当不错，响应时间更快）：0.002 美元/~750 个单词。新的 OpenAI 帐户包含 18 美元的免费信用额度，可在您的前 90 天内使用。更多详情：https ://openai.com/api/pricing/

设置

您将需要一个用于语音转文本和文本转语音的 Azure 认知服务实例，以及一个用于对话的 OpenAI 帐户。您几乎可以在任何平台上运行该软件，但让我们先从设置 Raspberry Pi 开始……

树莓派

如果您是 Raspberry Pis 的新手，现在是查看入门的好时机。

操作系统

1. 将 SD 卡插入您的 PC

2. 转到https://www.raspberrypi.com/software/然后下载并运行 Raspberry Pi Imager

3. 单击“选择操作系统”并选择默认的树莓派操作系统（32 位）。

4.点击`Choose Storage`，选择SD卡

5. 点击`Write`，等待镜像完成。

6. 将 SD 卡插入树莓派，连接键盘、鼠标和显示器。

7. 完成初始设置，确保配置 Wi-Fi。

USB 扬声器/麦克风

1. 如果您还没有插入 USB 扬声器/麦克风

2. 右键单击​​屏幕右上角的音量图标，确保选择了 USB 设备。

3. 右键单击​​屏幕右上角的麦克风图标，确保选择了 USB 设备。

蔚蓝

对话式演讲者使用 Azure 认知服务进行语音转文本和文本转语音。以下是创建 Azure 帐户和 Azure 认知服务实例的步骤。

创建一个 Azure 帐户（如果您还没有）

1. 在 Web 浏览器中，导航至https://aka.ms/friendbot/azure并单击Try Azure for Free。

2. 单击Start Free开始创建免费的 Azure 帐户。

3. 使用您的 Microsoft 或 GitHub 帐户登录。

4. 登录后，系统会提示您输入一些信息。

5. 即使这是一个免费帐户，Azure 仍然需要信用卡信息。除非您稍后更改设置，否则不会向您收费。

6. 帐户设置完成后，导航至https://aka.ms/friendbot/azureportal。

创建 Azure 认知服务实例

1. 在https://aka.ms/friendbot/azureportal登录你的帐户。

2. 在顶部的搜索栏中，输入Cognitive Services并在下方Marketplace选择Cognitive Services（可能需要一些时间来填充）。

3. 确认选择了正确的订阅，然后在Resource Group选择下Create New输入资源组名称（例如conv-speak-rg）

4. 为您的 Azure 认知服务实例选择区域和名称（例如my-conv-speak-cog-001）。我建议使用美国东部、西欧或东南亚，因为这些地区往往支持最多的功能。

5. 点击 ，Review + Create验证通过后点击Create。

6. 部署完成后，您可以单击Go to resource以查看您的 Azure 认知服务资源。

7. 在左侧导航栏中，选择Keys and Endpoint下Resource Management。复制两个认知服务密钥中的任意一个并保存在安全位置以备后用。

Windows 11 用户：如果应用程序在调用文本到语音 API 时停滞，请确保您已应用所有当前安全更新（链接）。

开放人工智能

对话式演讲者使用 OpenAI 的模型进行友好对话。以下是创建新帐户和访问 AI 模型的步骤。

创建一个 OpenAI 帐户（如果您还没有）

1. 在网络浏览器中，导航至https://openai.com/api并单击“注册”

2. 您可以使用谷歌账户、微软账户或邮箱创建新账户。

3. 完成注册过程（例如，创建密码、验证您的电子邮件等）。如果您是 OpenAI 的新手，请查看使用指南 ( https://beta.openai.com/docs/usage-guidelines )。

4. 在右上角点击您的账户，然后点击View API keys。

5. 单击+ Create new secret key，复制并保存在安全位置以备后用。

• 如果您想直接使用大型语言模型，请查看页面顶部的“游乐场”。

代码

获取并配置代码。

1. 在 Raspberry Pi 或您的 PC 上，打开命令行终端

2.安装.NET 6 SDK

• 对于树莓派和 Linux：

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

安装完成后（可能需要几分钟），将 dotnet 添加到命令搜索路径

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

您可以通过检查版本来验证是否已成功安装 dotnet

dotnet --version

• 对于 Windows，请转到https://dotnet.microsoft.com/download ，单击“Download.NET SDK x64”，然后运行安装程序。

3. 克隆 repo 并签出适当的分支。

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

4. 设置您的 API 密钥，将 {MyCognitiveServicesKey} 替换为您的 Azure 认知服务密钥，将 {MyCognitiveServiceRegion} 替换为您的 Azure 认知服务区域（例如，EastUS），并将 {MyOpenAIKey} 替换为上述部分中的 OpenAI API 密钥。

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. 构建并运行代码！

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

（可选）将应用程序设置为开机启动

Raspberry Pi 启动时有几种方法可以运行程序。下面是我的首选方法，它会在可见的终端窗口中自动运行应用程序。这使您不仅可以看到输出，还可以通过单击终端窗口并按 CTRL+C 来取消应用程序。

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

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

2.将以下内容放入文件中

[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。这将在 Raspberry Pi 完成启动后在终端窗口中运行应用程序。

3. 要测试更改，您只需运行即可重新启动

reboot

怎么运行的

有关如何使用代码字的更多详细信息，请查看README 。

用法

• 建议以“你好，我叫乔丹，住在华盛顿州雷德蒙德”开头来设置上下文。
• 看看~/conversational-speaker/src/ConversationalSpeaker/configuration.json.
• 更改 AI 的名称 ( PromptEngine:OutputPrefix),
• 改变 AI 的声音 ( AzureCognitiveServices:SpeechSynthesisVoiceName)
• 改变 AI 的性格 ( PromptEngine:Description)
• 对于中短对话，提示引擎的当前状态通常保持稳定。然而，有时在较长的对话中，人工智能可能不仅会开始回应它自己的回应，还会回应它认为你接下来可能会说的话。

下次...

在下一个教程中，我们将向我们的会话扬声器添加唤醒阶段（例如“嘿，计算机”）。

玩得开心！