talk-with-ai

通过语音或文字输入和AI交流，背后的AI可自行选择。通过全程实时流式处理提升响应速度，基本可以在1-2s内语音回答。

主要功能

• 提供了模型，你可以借助如oneapi等，通过统一的方式调用各种模型。
• 提供了音色、情感等选择，方便测试各种合成效果。
• 在输入框输入文字或者点击输入框范围，进入录音输入模式，即可语音交互。
• 可以查看所有聊天历史，并且历史会作为会话一部分，即有上下文能力。
• 可以点击聊天历史部分上下滚动（鼠标）来查看内容。

主要技术实现

1. 通过ASR识别输入的语音，将其作为提示词交给AI。
2. 通过调用AI以流式返回结果，将这个结果流式的交给语音合成。
3. 将语音合成的结果流式的转发给播放器，使其更快进入播放状态。
4. 界面基于bubbletea驱动，实现了基本交互。

其它

• 具体使用请看cmd/main.go中，传递几个环境变量即可。
• 期间使用到了腾讯云的语音识别和合成，免费的或很少量的付费即可玩转。
• 因为录音调用了sox，所以目前仅支持MacOS，其它系统改几行代码即可。