# 音頻處理相關
pip install sounddevice soundfile pyaudio

# 語音識別
pip install faster-whisper

# HTTP請求
pip install requests

# 語音合成（可選，如果使用edge-tts）
pip install edge-tts

# 使用 Chocolatey 安裝 FFmpeg（推薦）
choco install ffmpeg

# 或者手動下載 FFmpeg 并添加到系統(tǒng) PATH
# 下載地址：https://ffmpeg.org/download.html

# Ubuntu/Debian
sudo apt update
sudo apt install ffmpeg

# macOS
brew install ffmpeg

# 安裝 Ollama
curl -fsSL https://ollama.ai/install.sh | sh

# 拉取模型（選擇其中一個）
ollama pull yi:9b
# 或者
ollama pull llama3-8b

# 啟動 Ollama 服務
ollama serve

import subprocess
import sounddevice as sd
import soundfile as sf
from faster_whisper import WhisperModel
import requests

OLLAMA_MODEL = "yi:9b"  # 或者 llama3-8b，已在 Ollama 里拉取好的模型

# 錄音函數(shù)，錄制音頻并保存為 input.wav
def record_audio(filename="input.wav", duration=5, fs=16000):
    print("?? 正在錄音，請開始說話...")
    audio = sd.rec(int(duration * fs), samplerate=fs, channels=1)
    sd.wait()
    sf.write(filename, audio, fs)
    print("? 錄音完成")

# 語音識別函數(shù)，調(diào)用 WhisperModel 將音頻轉(zhuǎn)為文本
def transcribe_whisper(filename="input.wav"):
    print("?? Whisper 正在識別語音...")
    model = WhisperModel("medium", compute_type="int8")
    segments, _ = model.transcribe(filename, beam_size=5)
    text = "".join([seg.text for seg in segments])
    print(f"?? 識別結(jié)果：{text}")
    return text

# 與 Ollama 大模型對話，獲取回復
def chat_with_ollama(prompt):
    print("?? 發(fā)送給 Ollama 中...")
    response = requests.post("http://ollama.jjsos.cn/api/generate", json={
        "model": OLLAMA_MODEL,
        "prompt": prompt,
        "stream": False
    })
    answer = response.json()["response"]
    print(f"?? Ollama 回復：{answer}")
    return answer

# 語音合成與播放，將文本轉(zhuǎn)為語音并播放
def speak_text(text, output="reply.wav"):
    """文本轉(zhuǎn)語音并播放"""
    print("?? 正在生成語音...")
    try:
        # 直接使用 edge-tts 命令，避免 echo 管道問題
        tts_command = ["edge-tts", "--text", text, "--voice", "zh-CN-XiaoxiaoNeural", "--write-media", output]
        result = subprocess.run(tts_command, capture_output=True, text=True)
        
        # 檢查命令是否成功執(zhí)行
        if result.returncode != 0:
            print(f"? 語音合成失敗: {result.stderr}")
            return
        
        # 檢查文件是否存在
        import os
        if not os.path.exists(output):
            print(f"? 音頻文件 {output} 未生成")
            return
            
        print("?? 播放中...")
        subprocess.run(["ffplay", "-nodisp", "-autoexit", output])
        
    except Exception as e:
        print(f"? 語音合成或播放出錯: {e}")

# 主流程：錄音 -> 語音識別 -> AI對話 -> 語音合成與播放
if __name__ == "__main__":
    record_audio()  # 錄音
    user_text = transcribe_whisper()  # 語音轉(zhuǎn)文本
    reply_text = chat_with_ollama(user_text)  # AI對話
    speak_text(reply_text)  # 語音合成與播放

def record_audio(filename="input.wav", duration=5, fs=16000):
    print("?? 正在錄音，請開始說話...")
    audio = sd.rec(int(duration * fs), samplerate=fs, channels=1)
    sd.wait()
    sf.write(filename, audio, fs)
    print("? 錄音完成")

def transcribe_whisper(filename="input.wav"):
    print("?? Whisper 正在識別語音...")
    model = WhisperModel("medium", compute_type="int8")
    segments, _ = model.transcribe(filename, beam_size=5)
    text = "".join([seg.text for seg in segments])
    print(f"?? 識別結(jié)果：{text}")
    return text

def chat_with_ollama(prompt):
    print("?? 發(fā)送給 Ollama 中...")
    response = requests.post("http://localhost:11434/api/generate", json={
        "model": OLLAMA_MODEL,
        "prompt": prompt,
        "stream": False
    })
    answer = response.json()["response"]
    print(f"?? Ollama 回復：{answer}")
    return answer

def speak_text(text, output="reply.wav"):
    print("?? 正在生成語音...")
    tts_command = f"echo '{text}' | edge-tts --voice zh-CN-XiaoxiaoNeural --write-media {output}"
    subprocess.run(tts_command, shell=True)
    print("?? 播放中...")
    subprocess.run(["ffplay", "-nodisp", "-autoexit", output])

# 1. 確保 Ollama 服務運行
ollama serve

# 2. 運行語音助手
python v.py

# 不同計算類型的性能對比
model = WhisperModel("medium", compute_type="int8")    # 推薦：速度快，內(nèi)存少
model = WhisperModel("medium", compute_type="float16") # 平衡：中等速度和精度
model = WhisperModel("medium", compute_type="float32") # 最高精度，最慢速度

# 根據(jù)使用場景調(diào)整參數(shù)
record_audio(duration=3, fs=16000)   # 短對話
record_audio(duration=10, fs=22050)  # 長對話，更高音質(zhì)

# 查看可用音頻設備
import sounddevice as sd
print(sd.query_devices())

# 檢查 Ollama 服務狀態(tài)
curl http://localhost:11434/api/tags

# 測試 edge-tts
edge-tts --list-voices | grep zh-CN

# 檢查 FFmpeg 安裝
ffplay -version

# 可集成 pvporcupine 實現(xiàn)喚醒詞功能
pip install pvporcupine

# 添加對話歷史管理
conversation_history = []

# 可集成情感分析庫
pip install transformers torch