177 lines
3.8 KiB
Markdown
177 lines
3.8 KiB
Markdown
# 1. 什么是Mirror Chat？
|
||
|
||
Mirror Chat 是一个 AI 驱动的音频对话系统。该系统实现一个后端模型 API：请求方输入语言选择（支持中/英）和音频，API返回AI生成的回答音频，该音频克隆了请求方音频的发音人音色。
|
||
|
||
|
||
|
||
# 2. 系统架构
|
||
|
||
<img src="images\架构图.drawio.svg" alt="架构图.drawio" style="zoom: 50%;" />
|
||
|
||
|
||
|
||
# 3. 安装方法
|
||
|
||
环境：Ubuntu 22.04，显存8G以上
|
||
|
||
各个组件以 API 的形式独立运行（可以运行在不同服务器中），可以在同一局域网中调用，也可以通过内网穿透的方式调用。
|
||
|
||
## 3.1. WeNet
|
||
|
||
参考 [WeNet 的 Github 页面](https://github.com/wenet-e2e/wenet)
|
||
|
||
1. 克隆仓库
|
||
|
||
在MirrorChat目录下：
|
||
|
||
```sh
|
||
cd dependencies
|
||
git clone https://github.com/wenet-e2e/wenet.git
|
||
```
|
||
|
||
2. 创建 Conda 环境
|
||
|
||
```sh
|
||
conda create -n wenet python=3.10
|
||
conda activate wenet
|
||
```
|
||
|
||
3. 安装 CUDA，建议 12.1 版本以上
|
||
|
||
4. 安装 torch 和 torchaudio，以及其他依赖包
|
||
|
||
```sh
|
||
pip install torch==2.2.2+cu121 torchaudio==2.2.2+cu121 -f https://download.pytorch.org/whl/torch_stable.html
|
||
pip install -r requirements.txt
|
||
pre-commit install # for clean and tidy code
|
||
```
|
||
|
||
5. （可选）构建部署
|
||
|
||
```
|
||
# runtime build requires cmake 3.14 or above
|
||
cd runtime/libtorch
|
||
mkdir build && cd build && cmake -DGRAPH_TOOLS=ON .. && cmake --build .
|
||
```
|
||
|
||
6. 运行
|
||
|
||
在 MirrorChat 目录下：
|
||
|
||
```sh
|
||
cd api/wenet
|
||
bash run_wenet.sh
|
||
```
|
||
|
||
## 3.2. xTTS
|
||
|
||
参考 [xTTS 的 Github 页面](https://github.com/coqui-ai/TTS?tab=readme-ov-file)
|
||
|
||
1. 克隆仓库
|
||
|
||
在MirrorChat目录下：
|
||
|
||
```sh
|
||
cd dependencies
|
||
git clone https://github.com/coqui-ai/TTS
|
||
```
|
||
|
||
2. 创建 Conda 环境
|
||
|
||
```sh
|
||
conda create -n xtts python=3.10
|
||
conda activate xtts
|
||
```
|
||
|
||
3. 安装依赖包
|
||
|
||
```sh
|
||
pip install TTS
|
||
pip install -e .
|
||
```
|
||
|
||
4. 运行
|
||
|
||
在 MirrorChat 目录下：
|
||
|
||
```sh
|
||
cd api/xtts
|
||
bash run_xtts.sh
|
||
```
|
||
|
||
当显存充足时，可以编辑 `run_xtts.sh` 在不同端口开启多个服务，并在 `3.3. 问答TTS` 的 `main.py` 文件中对应修改调用接口，可以提高并行度，提高响应效率。
|
||
|
||
## 3.3. 问答TTS
|
||
|
||
1. 将上述模型运行起来后，在 MirrorChat 目录下：
|
||
|
||
```sh
|
||
cd api/tts
|
||
```
|
||
|
||
2. 创建ChatGPT API的配置文件 `chatgpt_api_config.py`
|
||
|
||
```sh
|
||
touch chatgpt_api_config.py
|
||
vim chatgpt_api_config.py
|
||
```
|
||
|
||
并将 ChatGPT API 的配置以以下形式写入（支持多个 API，默认使用第1个 API，当前面的 API 无法使用，会自动使用后面的 API）：
|
||
|
||
```python
|
||
chatgpt_apis = [
|
||
{
|
||
'url': "https://api.openai.com/v1/chat/completions",
|
||
'key': "sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"
|
||
},
|
||
]
|
||
```
|
||
|
||
3. 运行
|
||
|
||
在 `MirrorChat/api/tts` 目录下：
|
||
|
||
```sh
|
||
bash run_tts.sh
|
||
```
|
||
|
||
## 3.4. 对外接口
|
||
|
||
进入 `MirrorChat/api/service` 目录，运行对外接口服务
|
||
|
||
```sh
|
||
cd api/service
|
||
bash run_service.sh
|
||
```
|
||
|
||
## 3.5. 调用方法
|
||
|
||
你可以使用类似下面 python 代码的方式调用该接口：
|
||
|
||
```python
|
||
import requests
|
||
|
||
def test_process_audio(api_url, audio_file_path, language):
|
||
# api_url (str)：部署服务 API 的 URL
|
||
# audio_file_path (str)：本地的提问音频文件地址
|
||
# language (str)：支持 chinese 和 english
|
||
url = f"{api_url}/process_audio"
|
||
files = {'audio': open(audio_file_path, 'rb')}
|
||
data = {'language': language}
|
||
response = requests.post(url, files=files, data=data)
|
||
|
||
if response.status_code == 200:
|
||
output_audio_path = 'response_audio.wav'
|
||
with open(output_audio_path, 'wb') as f:
|
||
f.write(response.content)
|
||
print(f"Response audio saved to {output_audio_path}")
|
||
else:
|
||
print(f"Error: {response.status_code}")
|
||
print(response.json())
|
||
```
|
||
|
||
|
||
|
||
|
||
|