数字人科技有限公司_数字人科技有限公司
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.py及fay_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）
