search

jackwuwei / gptspeaker

The ChatGPT Voice Assistant uses a Raspberry Pi (or desktop) to enable spoken conversation with OpenAI large language models. This implementation listens to speech, processes the conversation through the OpenAI service, and responds back. Like Apple Siri, Amazon Alex, Google Nest Home, Mi XiaoAi etc.
BSD 2-Clause "Simplified" License
41 stars 6 forks source link

请问bilibili的视频地址在哪啊？想看下哈。 #2

Closed welkinchan closed 8 months ago

jackwuwei commented 8 months ago

这个是演示视频地址，另外还有一个增强版的，还没有开源

welkinchan commented 8 months ago

这个是演示视频地址，另外还有一个增强版的，还没有开源

我看了下2个视频，2款性能的响应延迟相差好大啊。增强版的响应延时好短，是用了离线的whisper吗？另外，智能方面是不是也用了langchain的方案？感觉好强啊，居然流量这么小。增强版有开源的计划吗？好想试试看。

jackwuwei commented 8 months ago

这个是演示视频地址，另外还有一个增强版的，还没有开源

我看了下2个视频，2款性能的响应延迟相差好大啊。增强版的响应延时好短，是用了离线的whisper吗？另外，智能方面是不是也用了langchain的方案？感觉好强啊，居然流量这么小。增强版有开源的计划吗？好想试试看。

  1. 增强版的延时也比较大，视频经过了剪辑，改为Azure中国可能会好一些，本地部署Whisper也可行，但需要比较强的硬件
  2. 智能方面没有用langchain，用的是GPT function calling，langchain会更成熟一些，也是基于function calling实现的
  3. 增强版的代码还需要优化，等有时间优化好了才能开源
welkinchan commented 8 months ago

这个是演示视频地址，另外还有一个增强版的，还没有开源

我看了下2个视频，2款性能的响应延迟相差好大啊。增强版的响应延时好短，是用了离线的whisper吗？另外，智能方面是不是也用了langchain的方案？感觉好强啊，居然流量这么小。增强版有开源的计划吗？好想试试看。

  1. 增强版的延时也比较大，视频经过了剪辑，改为Azure中国可能会好一些，本地部署Whisper也可行，但需要比较强的硬件
  2. 智能方面没有用langchain，用的是GPT function calling，langchain会更成熟一些，也是基于function calling实现的
  3. 增强版的代码还需要优化，等有时间优化好了才能开源

我想先进一步了解下目前已经开源的这部分代码。 我成功运行起来后发现， 怎么感觉这部分的代码的语音响应时间比第一个bilibili视频里的响应时间要快很多啊。 而且，目前的代码是不能连续对话的，每次都要唤醒，跟你的视频里的表现也不一样。哈哈。

jackwuwei commented 8 months ago

这个是演示视频地址，另外还有一个增强版的，还没有开源

我看了下2个视频，2款性能的响应延迟相差好大啊。增强版的响应延时好短，是用了离线的whisper吗？另外，智能方面是不是也用了langchain的方案？感觉好强啊，居然流量这么小。增强版有开源的计划吗？好想试试看。

  1. 增强版的延时也比较大，视频经过了剪辑，改为Azure中国可能会好一些，本地部署Whisper也可行，但需要比较强的硬件
  2. 智能方面没有用langchain，用的是GPT function calling，langchain会更成熟一些，也是基于function calling实现的
  3. 增强版的代码还需要优化，等有时间优化好了才能开源

我想先进一步了解下目前已经开源的这部分代码。 我成功运行起来后发现， 怎么感觉这部分的代码的语音响应时间比第一个bilibili视频里的响应时间要快很多啊。 而且，目前的代码是不能连续对话的，每次都要唤醒，跟你的视频里的表现也不一样。哈哈。

  1. B站的演示视频是在树莓派上运行的，速度比电脑上要慢一些
  2. 这里的连续对话是指能记住上下文对话，如果不想每次唤醒可以修改代码做到，但体验并不好，视频里是经过剪辑的，剪掉了唤醒词