Skip to content

Latest commit

 

History

History
executable file
·
293 lines (191 loc) · 10.9 KB

README.md

File metadata and controls

executable file
·
293 lines (191 loc) · 10.9 KB
Raw

English


Fay

FAY

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。

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;对接UE、live2d、xuniren，需关闭面板播放。

二、Fay助理版

Remote Android　　　　　　Local PC　　　　　Remote PC

　　　　　└─────────────┼─────────────┘

　　　　　　Aliyun API ─┐　　　│

　　　　　 　　　　　　├── ASR　　　

　 　　 　　　 FunASR ─┘ 　　 │　　 　 ┌─ Yuan 1.0

　　　　　　　　　　　　　　　│　　 　 ├─ LingJu

　　　 　　　　　　　　　　　NLP ────┼─ GPT/ChatGPT

　　　　　　　　　　　　　　　│　　 　 ├─ Rasa+ChatGLM-6B

　　　　　　　　 Azure ─┐　 　 │　　 　 ├─ VisualGLM

　　　　　 　 Edge TTS ─┼── TTS 　 　 └─ RWKV

　 　　 　 　　开源 TTS ─┘　 　│　　 　

　　　　　　　　　　　　　　　│　　 　

　　　　　　　　　　　　　　　│　　 　

　　　 ┌──────────┬────┼───────┬─────────┐

Remote Android　　Live2D　　 UE　　　 xuniren　　　Remote PC

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

消息格式: 查看 WebSocket.md

Code structure

.
├── 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
│   ├── nlp_rwkv.py         # 离线对接rwkv
│   ├── nlp_rwkv_api.py     # rwkv server api
│   ├── 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

2023.10.23

  • 修复一定低概率导致数字人连接状态识别错误问题；
  • *增加唤醒功能

2023.09.06

  • 数字人连接提示词修改;
  • Q&A填写demo修复;
  • 安装包错误修复。

2023.09.01

  • 修复gpt、chatglm2的消息记录方式逻辑。

2023.08.30

  • 调整gpt的消息记录方式;
  • *q&a支持RPA自动化脚本。

2023.08.23：

  • 更换gpt对接方式;
  • 增加chatglm2对接。

2023.08.16：

  • 优化UE反复重连系统资源占用太高的问题；
  • 自动控制是否启动面板播放；
  • 自动删除运行日志。

2023.08.09：

  • 去除mp3格式警告信息；
  • 去除灵聚、渡鸦接口警告信息；
  • websocket逻辑优化；
  • 数字人端接口通讯优化。

2023.08.04：

  • UE5工程更新；
  • 唇型计算的视音素更换成33毫秒；
  • 内置rwkv_api nlp可以直接使用；
  • 降低情绪性向数字人端推送的频度；
  • 非数字人连接状态不产生接口消息；
  • 修复因mp3格式错误而导致一定概率不推送播放信息给数字人端的问题；
  • 修复静音等指令执行时提前结束nlp逻辑，而导致用户提问消息不推送数字人端问题；
  • 补充wav文件启动清理；
  • websocket工具类升级完善。

2023.07：

  • 增加运行时自动清理ui缓存；

  • 增加gpt代理设置可为空；

  • 提高灵聚对接的稳定性。

  • 修复连接数字人之前产生大量ws信息问题；

  • 增加数字人（ue、live2d、xuniren）通讯接口：实时日志；

  • 更新数字人（ue、live2d、xuniren）通讯接口：音频推送。

  • 带货版多项更新；

  • 修复远程语音不识别问题；

  • 修复asr时有不灵问题；

  • 去除唱歌指令。

  • 修复linux及mac运行出错问题；

  • 修复因唇型出错无法继续执行问题；

  • 提供rwkv对接方案。

  • 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。

  • 修复无法运行唇型算法而导致的不播放声音问题。

2023.06：

  • 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。

  • 集成灵聚NLP api(支持GPT3.5及多应用)；

  • ui修正。

  • 集成本地唇型算法。

  • 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：

  • 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。

  • 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 API 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

API 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（可选） https://ai.aliyun.com/nls/trans
./ai_module/ms_tts_sdk.py 微软 文本转情绪语音（可选） https://azure.microsoft.com/zh-cn/services/cognitive-services/text-to-speech/
./ai_module/xf_ltp.py 讯飞 情感分析（可选） https://www.xfyun.cn/service/emotion-analysis
./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)（可选） 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（可选） https://air.inspur.com/

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

联系

商务QQ: 467665317

交流群及资料教程关注公众号 fay数字人（请先star本仓库）