✅ 試做一個【語音助理】 (Voice-activated Assistant)

Voice-activated_assistant Voice-activated_assistant

引言：讓電腦「聽懂」且「回應」您的每一句話

隨著語音辨識技術的成熟，打造一個專屬的語音助理已不再是難事。Voice-activated Assistant 是一個基於 .NET 10 開發的開源專案，利用 OpenAI 的 Whisper 模型實現精準的語音轉文字（STT），並結合 TTS 技術提供即時的語音回覆。

本專案的核心目標在於「極致的互動感」與「系統資源的高效利用」。透過多項底層優化，這款助理能像影子一樣常駐在您的電腦背景，隨時待命。

🌟 核心優化：追求流暢與靈敏的互動

為了提供如同真人般的對話體驗，我們在程式架構上進行了多項深度優化：

  1. 💾 完全記憶體運作 (Zero-Disk Usage)：
    • 移除傳統的 .wav 檔案寫入流程，音訊數據直接在記憶體中處理。
    • 轉錄完成後自動釋放，不僅保護隱私，更消除了硬碟 I/O 帶來的延遲。
  2. 🎤 進階語音偵測 (Adaptive VAD)：
    • 動態底噪追蹤：自動學習環境噪音，不論在安靜或吵雜環境皆能保持最佳靈敏度。
    • Pre-roll Buffer (600ms)：循環緩衝最近 600ms 的音訊，確保捕捉到開頭的第一個單詞。
  3. ⚡ 非同步流水線 (Producer-Consumer Pattern)：
    • 實作「一邊轉譯上一句話、一邊錄製下一句話」的完全非阻塞體驗，適合高頻率的連續對話。
  4. 🧠 幻覺抑制與精準度：
    • 鎖定 Temperature 為 0.0，強制模型僅輸出高信心度的字詞，大幅降低無中生有的幻覺文字。

🎮 功能亮點

  • 多模型支援：內建 OpenAI 官方模型（Tiny 到 Medium），並支援專為台灣使用者優化的 繁體中文微調版本 (Tiny-zh-TW)。
  • 關鍵字互動 (keyword_responses.json)：您可以自定義回應清單，當辨識到特定關鍵字時，助理會自動進行語音回覆。
  • 靜音自動斷句：感應到 1.5 秒的靜音後自動觸發轉譯，無需手動按鍵。
  • 背景長駐優化：智慧調度處理序優先權（BelowNormal），確保在掛載時不干擾遊戲或辦公軟體的執行。

🛠️ 技術棧

  • 開發環境：.NET 10 SDK
  • 核心引擎：OpenAI Whisper (via Whisper.net)
  • 音訊處理：CSCore / Memory Stream
  • 語言支援：C# / 繁體中文

🚀 快速啟動

只需幾個簡單步驟即可在本地運行：

  1. 確認安裝 .NET 10 SDK。
  2. 複製專案並執行： 
    cd Voice-activated_assistant
dotnet run
  3. 選擇模型（推薦選項 2 為繁體中文優化版）。

結語：AI 助理的無限可能

Voice-activated Assistant 不僅是一個工具，更是一個展示 .NET 強大效能與結合 AI 模型的實踐。無論是作為智慧家居的控制核心，還是日常工作中的語音助手，它都展示了「低成本、高效率」的 AI 落地可能性。

歡迎造訪 chiisen/Voice-activated_assistant 探索更多細節！🚀✨

.NET 10 C# Whisper GitHub