这是一个专门讨论 idea 的地方。
每个人的时间，资源是有限的，有的时候你或许能够想到很多 idea，但是由于现实的限制，却并不是所有的 idea 都能够成为现实。
那这个时候，不妨可以把那些 idea 分享出来，启发别人。
每个人的时间，资源是有限的，有的时候你或许能够想到很多 idea，但是由于现实的限制，却并不是所有的 idea 都能够成为现实。
那这个时候，不妨可以把那些 idea 分享出来，启发别人。
这是一个创建于 372 天前的主题，其中的信息可能已经有所发展或是发生改变。
近期将家里的 HomePod 接上了大模型。个人感觉需要唤醒词才能唤醒，用起来还是缺了点什么。不是真正的贾维斯~
处理的时候有个思路不知道是否实际：
如果将所有东西都转录成文字，1 分钟给到机器一次，由机器判断这句话是不是跟他说的，再回复出来，这样不知道会不会好一点。不过用时间间隔好像还是有点问题。还没试过把实时语音接口接入~回头试试
处理的时候有个思路不知道是否实际：
如果将所有东西都转录成文字，1 分钟给到机器一次，由机器判断这句话是不是跟他说的，再回复出来，这样不知道会不会好一点。不过用时间间隔好像还是有点问题。还没试过把实时语音接口接入~回头试试
 |
1
musi 2024-11-23 12:31:17 +08:00 via iPhone
有严重的隐私问题
|
 |
2
evan9527 2024-11-23 12:33:19 +08:00
无唤醒词是不是要分析所有听到的声音？
会不会有半夜「幽灵唤醒」的情况。 我觉得自定义唤醒词+连续对话就挺好的。 |
 |
3
rechardwong0522 2024-11-23 15:55:27 +08:00
可以在用它的时候在开头加上唤醒词，比如“小爱同学，帮我定个七点半的闹钟”，而不是先说“小爱同学”去唤醒后才能接着说。后面的话是不是跟它说的，就由上下文判断
|
 |
4
Jackyxiaoc OP @musi 确实是有这个问题。但是如果是长期独居的话，想找个人聊天，唤醒词就觉得不太顺。
@evan9527 整个流程大概是，实时检查声音——转成问题——给到大模型——大模型判断是否是噪音，还是正常的人类对话——文字转语音回复。 @rechardwong0522 感谢，可以稍微优化下。 |
 |
5
qping 2024-11-24 17:34:26 +08:00
找人聊天别依赖机器人，还是出去社交下。。。或者找个女朋友？
|
 |
6
r6cb 2024-11-24 23:07:30 +08:00
https://platform.openai.com/docs/models#gpt-4o-realtime 这有实时性更好的，先用 asr 过一遍，将所有过滤后的语音直接传到 api
|
 |
7
liaanj 2024-11-25 11:24:53 +08:00
加油！！！
|
 |
8
yiton 2024-11-25 13:56:17 +08:00
最近我也在整这个
|
 |
9
fcten 2024-11-25 15:40:20 +08:00
本地的端到端语音模型才是体验最好的，不知道什么时候能有成熟的产品
和文本聊天不一样，语音聊天对延迟是非常敏感的。不要说一分钟了，延迟 2 ～ 3 秒就非常难受了。 |
|
10
Jackyxiaoc OP |
 |
11
leothevan244 353 天前
或许可以试试在本地先部署一个小模型判断一句话是否是跟他说的，是的话再上传云端大模型
|
Select Language