VoiceDialogue - 智能语音对话系统

一个集成了语音识别(ASR)、大语言模型(LLM)和文本转语音(TTS)的实时语音对话系统

快速开始 • 文档导航 • 贡献指南

🎯 项目简介

VoiceDialogue 是一个基于 Python 的完整语音对话系统，实现了端到端的语音交互体验。系统采用模块化设计，具备实时、高精度、多角色的特点。

• 🎤 实时语音识别: 高精度中英文语音转录
• 🤖 智能对话生成: 集成 Qwen2.5 等大语言模型
• 🔊 高质量语音合成: 支持多角色、多风格的语音输出
• 🌐 Web API 服务: 提供 HTTP 接口，方便集成
• ⚡ 低延迟处理: 优化的音频流处理管道

想要了解更多？请查看 功能特性详解。

🚀 快速开始

1. 安装

# 克隆项目
git clone https://huggingface.co/MoYoYoTech/VoiceDialogue
cd VoiceDialogue

# 安装依赖 (推荐使用 uv)
pip install uv
uv venv
source .venv/bin/activate

WHISPER_COREML=1 CMAKE_ARGS="-DGGML_METAL=on" uv sync

# 安装额外的依赖
## 1. 安装 kokoro-onnx
uv pip install kokoro-onnx
## 2. 重新安装指定版本的 numpy
uv pip install numpy==1.26.4

📖 需要更详细的步骤？请查阅 安装指南，其中包含系统要求和常见问题。

2. 运行

命令行模式 (CLI)

# 启动语音对话 (默认中文)
python main.py

# 启动并指定语言和角色
python main.py --language en --speaker Heart

API 服务模式

# 启动 API 服务器
python main.py --mode api

详细使用方法请参考 配置指南 和 API 服务指南。

📚 文档导航

• 📖 安装指南: 详细的安装步骤和系统要求。
• ⚙️ 配置指南: 如何配置系统参数和高级选项。
• 🎭 功能特性: 深入了解项目的所有功能。
• 🌐 API 指南: 如何使用和集成 API 服务。
• 🏗️ 系统架构: 了解系统的内部工作原理。
• 📁 项目结构: 浏览项目代码和文件组织。
• 🛠️ 故障排除: 常见问题和解决方案。
• 🤝 贡献指南: 如何为项目做出贡献。

📄 许可证

本项目采用 MIT 许可证开源。

🙏 致谢

如果这个项目对您有帮助，请给我们一个 ⭐️!