语音代理

此技能允许您使用本地语音代理API进行对话和听取用户指令。 该功能仅限客户端使用，不会启动容器或服务。 它使用本地Whisper进行语音转文字转录，并使用AWS Polly进行文字转语音生成。

前提条件

需要在以下地址运行后端API：http://localhost:8000。 后端设置说明位于此代码库的以下文件中：

• README.md
• walkthrough.md
• DOCKER_README.md

行为准则

• 音频优先：当用户通过音频（文件）进行交流时，您的主要回应模式应为音频文件。
• 静默交付：当发送音频回应时，切勿发送一段文字说明，例如“我发送了一条音频”。只发送音频文件。
• 工作流程:
  1. 用户发送音频。
  2. 使用转录功能来读取它。
  3. 你构思一个回复。
  4. 使用合成功能来生成音频文件。
  5. 你发送该文件。
  6. 停止。不要添加文字评论。
• 故障处理：如果健康检查失败或出现连接错误，不要尝试从此技能进行服务管理。请用户根据仓库文档启动或修复后端。

工具

转录文件

要使用本地 Whisper STT转录音频文件，请运行客户端脚本并指定转录命令。

python3 {baseDir}/scripts/client.py transcribe "/path/to/audio/file.ogg"

合成到文件

要从文本生成音频AWS Polly TTS并将其保存到文件，请使用合成命令运行客户端脚本。

python3 {baseDir}/scripts/client.py synthesize "Text to speak" --output "/path/to/output.mp3"

健康检查

要检查语音代理API是否正在运行且健康：

python3 {baseDir}/scripts/client.py health