
机器学习(ML)是AI的一个子集,它侧重于使计算机能够从经验中学习和改进,而无需明确编程。这意味着ML算法可以分析数据、检测模式,并基于该分析进行预测或决策。机器学习的应用包括客户细分、欺诈检测、个性化推荐等等。
三种主要类型的机器学习算法:
预测分析是一种强大的工具,在各个行业中有许多应用。通过基于数据分析提供洞察和预测,企业可以做出更明智的决策,提高整体效率和效果。
自动驾驶汽车还有可能彻底改变运输行业,减少交通拥堵,并提高对行动不便人士的可及性。这项技术还可以通过优化路线和减少碳排放来降低交通对环境的影响。
内容审核是AI/ML技术的一个重要应用,使在线社区能够保持安全、积极和受欢迎。通过使用算法识别和删除不适当内容
这项技术有潜力改变医疗保健行业,通过提供更个性化、更有效的治疗方法,改善患者疗效,降低医疗成本。
$ pip install fastapi uvicorn$ pip install streamlit新建 app.py
from fastapi import FastAPImain = FastAPI()@main.get("/")async def root(): return {"message": "Hello World"}启动
$ uvicorn app:main --reloadINFO: Will watch for changes in these directories: ['/Users/yeedomliu/Documents/website/fastapi']INFO: Uvicorn running on http://127.0.0.1:8000 (Press CTRL+C to quit)INFO: Started reloader process [59144] using StatReloadINFO: Started server process [59146]INFO: Waiting for application startup.INFO: Application startup complete.访问
$ curl http://127.0.0.1:8000/{"message":"Hello World"}Streamlit是一个开源框架,可以通过几行Python代码创建美观且交互式的Web应用程序。即使对于没有网页开发经验的人来说,它也被设计为易于使用。
import streamlit as st# 侧边栏with st.sidebar: st.button("点击")slider_value = st.slider("选择组件", 0, 10, 5)st.write("你选择了:", slider_value)st.write("绘图:")import matplotlib.pyplot as pltimport numpy as npx = np.linspace(0, 10, 100)y = np.sin(x)fig, ax = plt.subplots()ax.plot(x, y)st.pyplot(fig)st.write("数据:")import pandas as pddf = pd.DataFrame({ "Name": ["John", "Jane", "Bob"], "Age": [30, 25, 40], "Gender": ["Male", "Female", "Male"]})st.dataframe(df)st.write("文件上传:")file = st.file_uploader("选择文件")$ streamlit run streamlit.py You can now view your Streamlit app in your browser. Local URL: http://localhost:8501 Network URL: http://10.11.14.53:8501
$ pip install streamlit-audiorecorder python-magic$ brew install libmagic提供一个按下按钮来通过网页浏览器的麦克风界面录制用户的声音,当用户录制完成后,可以再次按下按钮停止录制。
在麦克风录制后,我们的Web应用程序将自动在聊天文本区域显示用户说的话,并将用户的命令发送给ChatGPT API以获得文本形式的响应。
当我们的语音助手Web应用程序接收到响应后,我们将在聊天文本区域显示响应答案,并调用我们的文本到语音引擎将ChatGPT的答案读给用户听。
使用Python的Streamlit库的streatlit-audiorecorder来通过Web浏览器记录用户的语音
import osimport streamlit as stfrom audiorecorder import audiorecorderimport magicdef get_audio_record_format(orgfile): info = magic.from_file(orgfile).lower() print(f'\n\n Recording file info is:\n {info} \n\n') if 'webm' in info: return 'webm' elif 'iso media' in info: return '.mp4' elif 'wave' in info: return '.wav' else: return '.mp4'def app(): st.title("ChatGPT语音助手") st.subheader("它理解97种语言!") audio = audiorecorder("按下并说话", "正在录制...(再次按下停止)") if len(audio) > 0: st.audio(audio.tobytes()) audioname = 'recording.tmp' with open(audioname, "wb") as f: f.write(audio.tobytes()) record_format = get_audio_record_format(audioname) os.rename(audioname, audioname + record_format) st.markdown("<b>聊天记录</b> ", unsafe_allow_html=True) with st.spinner("识别您的语音指令中..."): text = "ASR结果。待办事项" # TODO 增加我们的ASR处理以识别用户说的话 st.markdown("<b>您:</b> " + text, unsafe_allow_html=True) print("ASR结果为:" + text) st.write()app()$ streamlit run voice.py You can now view your Streamlit app in your browser. Local URL: http://localhost:8502 Network URL: http://192.168.255.10:8502Whisper是一种自动语音识别(ASR)引擎,能够将口语转录成文本。它基于最先进的机器学习算法,并可以转录97种不同的口语语言。Whisper的主要优点包括准确性、速度和多功能性,使其成为面向全球受众的各种语音助手应用的优秀选择。在2022年9月,openAI免费开源了Whisper供使用。
Whisper使用深度神经网络将语音转换为文本。它通过将语音信号分解为更小、更易处理的组成部分,并通过神经网络的一系列层进行处理。网络的输出是口语语言的转录,可以进一步处理以去除不必要的字符或短语。
$ brew install ffmpeg$ pip install git+https://github.com/openai/whisper.gitConversation类用于封装ChatGPT对话式AI模型。该类具有一个构造函数,该构造函数接受一个engine参数,用于指定要使用的ChatGPT引擎,以及一个generate_response方法,用于使用ChatGPT API对给定的提示生成响应。generate_response方法使用openai库向ChatGPT API发出API请求并返回生成的响应。
完整版代码
$ git clone https://github.com/mingkuan/voice-assistant-chatgpt.git安装
$ pip install -r requirement.txt部署


https://share.streamlit.io/
