JARVIS

JARVIS 项目简介

JARVIS 是一个配备语音助手功能的个人助理，其核心功能是将语音转化为文本，然后生成回答并通过语音返回，所有操作都可以通过网页界面进行展示。这项技术使用户能够通过语音与计算机进行互动，并获得即时的智能回答，就像在与一个有智慧的助手进行对话。

工作原理

JARVIS 的工作流程分为几个步骤：

1. :microphone: 用户说话：用户通过麦克风向系统输入语音。
2. :keyboard: 语音转文字：系统使用 Deepgram 技术将用户的语音转化为文字。
3. :robot: 生成响应：文字输入到 OpenAI 的 GPT-3 API，生成相应的智能回答。
4. :loudspeaker: 文字转语音：利用 ElevenLabs 技术，将生成的文字转化为语音。
5. :loud_sound: 播放语音：通过 Pygame 播放生成的语音。
6. :computer: 网页展示：使用 Taipy 技术将对话内容实时显示在网页界面上。

视频演示

JARVIS 的实际操作可以通过这个视频来观看，视频展示了其在实践中是如何高效运作的。

系统要求

要运行 JARVIS，需要确保使用 Python 3.8 至 3.11 版本。此外，还需要一些 API 密钥：

• Deepgram：用于语音转文字的服务
• OpenAI：用于生成智能回答
• ElevenLabs：用于将文字转语音

安装步骤

1. 克隆仓库

   首先，使用下列命令从 GitHub 克隆 JARVIS 的代码库：

   git clone https://github.com/AlexandreSajus/JARVIS.git
   

2. 安装依赖

   进入项目目录并安装所需的库：

   pip install -r requirements.txt
   

3. 配置环境变量

   在项目的根目录创建一个 .env 文件，并添加 API 密钥：

   DEEPGRAM_API_KEY=XXX...XXX
   OPENAI_API_KEY=sk-XXX...XXX
   ELEVENLABS_API_KEY=XXX...XXX
   

使用方法

1. 启动网页界面

   执行以下命令，启动网页接口：

   python display.py
   

2. 启动语音助手

   在另一个终端中，运行语音助手程序：

   python main.py
   

启动后，网页界面和终端都会显示 Listening...，表示系统已准备好接收用户的语音输入。当用户讲话完毕，系统会进行处理并生成智能回应，过程结束后会显示 Speaking...，随后语音回复会播放，并且同时显示在网页界面上。

以上，就是 JARVIS 项目的详细介绍，它致力于为用户提供一个智能、高效的语音互动体验。