数字人科技有限公司_数字人科技有限公司

(67) 2024-06-02 22:01:03

Fay数字人助理

Fay数字人助理版是fay开源项目的重要分支,专注于构建智能数字助理的开源解决方案。它提供了灵活的模块化设计,使开发人员能够定制和组合各种功能模块,包括情绪分析、NLP处理、语音合成和语音输出等。Fay数字人助理版为开发人员提供了强大的工具和资源,用于构建智能、个性化和多功能的数字助理应用。通过该版本,开发人员可以轻松创建适用于各种场景和领域的数字人助理,为用户提供智能化的语音交互和个性化服务。

推荐玩法

灵聚NLP api(支持GPT3.5及多应用):Fay数字人集成灵聚NLP api(支持GPT3.5及多应用)_哔哩哔哩_bilibili

集成本地唇型算法:fay数字人助理更新本地唇型算法发布(含新版UE5工程示例)_哔哩哔哩_bilibili

给数字人加上眼睛(集成yolo+VisualGLM):B站视频

给Fay加上本地免费语音识别(达摩院funaar): 给Fay加上本地免费语音识别(达摩院funaar)_哔哩哔哩_bilibili

消费级pc大模型(ChatGLM-6B的基础上前置Rasa会话管理):动手给fay(github数字人开源项目)加上rasa及chatglm:兼顾实时、可控、记忆及大模型的生成能力_哔哩哔哩_bilibili

UE5工程:https://github.com/xszyou/fay-ue5

真人视频三维重建(NeRF):https://github.com/waityousea/xuniren

Fay数字人助理版

注:带货版移到分支fay-sales-edition

助理版Fay控制器使用:语音沟通,语音和文字回复;文字沟通,文字回复。

PC远程助理 PC demo

手机远程助理 android demo

与数字形象通讯(非必须,控制器需要关闭“面板播放”)

控制器与采用 WebSocket 方式与 UE 通讯

下载工程: 百度网盘 请输入提取码

下载windows运行包: 百度网盘 请输入提取码

工程:https://github.com/xszyou/fay-ue5

重要:

Fay(服务端)与数字人的通讯接口: ws://127.0.0.1:10002(已接通)

消息格式: 查看 WebSocket.md

与远程音频输入输出设备连接(非必须,外网需要配置http://ngrok.cc tcp通道的clientid)

控制器与采用 socket(非websocket) 方式与 音频输出设备通讯

内网通讯地址: ws://127.0.0.1:10001

外网通讯地址: 通过http://ngrok.cc获取(有伙伴愿意赞助服务器给社区免费使用吗?)

 消息格式: 参考 remote_audio.py

二、Fay控制器核心逻辑

注:

以上每个模块可轻易替换成自家核心产品。

目录结构

.
├── main.py					# 程序主入口
├── fay_booter.py			# 核心启动模块
├── config.json				# 控制器配置文件
├── system.conf				# 系统配置文件
├── ai_module
│   ├── ali_nls.py			# 阿里云 实时语音
│   ├── ms_tts_sdk.py       # 微软 文本转语音
│   ├── nlp_lingju.py       # 灵聚 人机交互-自然语言处理
│   ├── xf_aiui.py          # 讯飞 人机交互-自然语言处理
│   ├── nlp_gpt.py          # gpt api对接
│   ├── nlp_chatgpt.py      # chat.openai.com逆向对接
│   ├── nlp_yuan.py         # 浪潮.源大模型对接
│   ├── nlp_rasa.py         # ChatGLM-6B的基础上前置Rasa会话管理(强烈推荐)
│   ├── nlp_VisualGLM.py    # 对接多模态大语言模型VisualGLM-6B
│   ├── yolov8.py           # yolov8资态识别
│   └── xf_ltp.py           # 讯飞 情感分析
├── bin                     # 可执行文件目录
├── core                    # 数字人核心
│   ├── fay_core.py         # 数字人核心模块
│   ├── recorder.py         # 录音器
│   ├── tts_voice.py        # 语音生源枚举
│   ├── authorize_tb.py     # fay.db认证表管理
│   ├── content_db.py       # fay.db内容表管理
│   ├── interact.py         # 互动(消息)对象
│   ├── song_player.py      # 音乐播放(暂不可用)
│   └── wsa_server.py       # WebSocket 服务端
├── gui                     # 图形界面
│   ├── flask_server.py     # Flask 服务端
│   ├── static
│   ├── templates
│   └── window.py           # 窗口模块
├── scheduler
│   └── thread_manager.py   # 调度管理器
├── utils                   # 工具模块
    ├── config_util.py      
    ├── storer.py
    └── util.py
└── test                    # 都是惊喜

三、升级日志

2023.07.12:

  • 修复助理版文字输入不读取人设回复问题;
  • 修复助理版文字输入不读取qa回复问题;
  • 增强麦克风接入稳定性。

2023.07.05:

  • 修复无法运行唇型算法而导致的不播放声音问题。

2023.06.28:

  • 重构NLP模块管理逻辑,便于自由扩展;
  • gpt:拆分为ChatGPT及GPT、更换新的GPT接口、可单独配置代理服务器;
  • 指定yolov8包版本,解决yolo不兼容问题;
  • 修复:自言自语bug、接收多个待处理消息bug。

2023.06.21:

  • 集成灵聚NLP api(支持GPT3.5及多应用);
  • ui修正。

2023.06.17:

  • 集成本地唇型算法

2023.06.14:

  • 解决多声道麦克风兼容问题;
  • 重构fay_core.pyfay_booter.py代码;
  • ui适应布局调整;
  • 恢复声音选择;
  • ”思考中...“显示逻辑修复。

2023.05.27:

  • 修复多个bug:消息框换行及空格问题、语音识别优化;
  • 彩蛋转正,Fay沟通与ChatGPT并行
  • 加入yolov8姿态识别;
  • 加入VisualGLM-6B多模态单机离线大语言模型。

2023.05.12:

  • 打出Fay数字人助理版作为主分支(带货版移到分支fay-sales-edition);
  • 添加Fay助理的文字沟通窗口(文字与语音同步);
  • 添加沟通记录本地保存功能;
  • 升级ChatGLM-6B的应用逻辑,长文本与语音回复分离。

四、安装说明

环境

  • Python 3.9、3.10
  • Windows、macos、linux

安装依赖

pip install -r requirements.txt

配置应用密钥

  • 查看 AI 模块
  • 浏览链接,注册并创建应用,将应用密钥填入 ./system.conf 中

启动

启动Fay控制器

python main.py

AI 模块

启动前需填入应用密钥

代码模块 描述 链接
./ai_module/ali_nls.py 实时语音识别(非必须,免费3个月,asr二选一) 实时语音识别_语音转文字_实时会议记录_人工智能-阿里云
./ai_module/funasr.py 达摩院开源免费本地asr (非必须,asr二选一) fay/test/funasr/README.MD
./ai_module/ms_tts_sdk.py 微软 文本转情绪语音(非必须,不配置时使用免费的edge-tts) 文本转语音 – 真实 AI 语音生成器 | Microsoft Azure
./ai_module/xf_ltp.py 讯飞 情感分析 情感分析 - 自然语言处理 - 讯飞开放平台
./utils/ngrok_util.py ngrok.cc 外网穿透(可选) http://ngrok.cc
./ai_module/nlp_lingju.py 灵聚NLP api(支持GPT3.5及多应用)(NLP多选1) https://open.lingju.ai 需联系客服务开通gpt3.5权限
./ai_module/yuan_1_0.py 浪潮源大模型(NLP 多选1 源1.0-超大规模预训练模型-浪潮信息
./ai_module/chatgpt.py ChatGPT(NLP多选1) *******
./ai_module/nlp_rasa.py ChatGLM-6B的基础上前置Rasa会话管理(NLP 多选1) 动手给fay(github数字人开源项目)加上rasa及chatglm:兼顾实时、可控、记忆及大模型的生成能力_哔哩哔哩_bilibili
./ai_module/nlp_VisualGLM.py 对接VisualGLM-6B多模态单机离线大语言模型(NLP 多选1) B站视频

五、使用说明

使用说明

  • 语音助理:fay控制器(麦克风输入源开启、面板播放开启);
  • 远程语音助理:fay控制器(面板播放关闭)+ 远程设备接入;
  • 数字人互动:fay控制器(麦克风输入源开启、面板播放关闭、填写性格Q&A)+ 数字人;
  • 贾维斯、Her:加入我们一起完成。

语音指令

关闭核心 静音 取消静音
关闭、再见、你走吧 静音、闭嘴、我想静静 取消静音、你在哪呢、你可以说话了
播放歌曲(音乐库暂不可用) 暂停播放 更多
播放歌曲、播放音乐、唱首歌、放首歌、听音乐、你会唱歌吗 暂停播放、别唱了、我不想听了 没有了...

人设

数字人属性,与用户交互中能做出相应的响应。

交互灵敏度

在交互中,数字人能感受用户的情感,并作出反应。最直的体现,就是语气的变化,如 开心/伤心/生气 等。 设置灵敏度,可改变用户情感对于数字人的影响程度。

接收来源

文本输入

通过沟通窗口与助理文本沟通

麦克风

选择麦克风设备,实现面对面交互,成为你的伙伴

socket远程音频输入

可以接入远程音频输入,远程音频输出

相关文章:

1、集成消费级pc大模型(ChatGLM-6B的基础上前置Rasa会话管理):动手给fay(github数字人开源项目)加上rasa及chatglm:兼顾实时、可控、记忆及大模型的生成能力_哔哩哔哩_bilibili

2、(34条消息) 非常全面的数字人解决方案_郭泽斌之心的博客-CSDN博客_数字人算法

3、【开源项目:数字人FAY——Fay新架构使用讲解】 开源项目:数字人FAY——Fay新架构使用讲解_哔哩哔哩_bilibili

4、【开源项目FAY——UE工程讲解】Fay(github数字人开源项目):UE工程讲解_哔哩哔哩_bilibili

5、m1机器安装办法(Gason提供):MacBook Pro m1版本怎么安装python 的pyqt5? - 知乎

6、bilbil主页:xszyou的个人空间_哔哩哔哩_bilibili

商务联系QQ 467665317,我们提供:开发顾问、数字人模型定制及高校教学资源实施服务 开源做到底,周边赚外快 - fay数字人 - 雅恒论坛 - Powered by Discuz!

关注公众号(fay数字人)获取最新微信技术交流群二维码(请先star本仓库

THE END

发表回复