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

Voice-activated_assistant_py

引言：讓電腦「聽懂」且「回應」您的每一句話

隨著語音辨識與合成技術的成熟，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 Python 開發的開源專案，利用 Qwen3-ASR 模型實現精準的語音轉文字（STT），並結合 Qwen3-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「隱私優先」。語音轉文字 (ASR) 結果僅暫存於記憶體，程式結束後自動釋放，不留任何磁碟紀錄，確保您的資料安全。

🌟 核心特性：追求流暢與純淨的互動

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. 🚀 極速本地推論：
    • 使用 Qwen3-ASR 與 Qwen3-TTS，支援串流輸出，具備極低首包延遲。
  2. 🗣️ 純淨自然發音：
    • 內建 OpenCC 簡繁轉換機制，避免 TTS 模型朗讀繁體中文時產生混淆，確保發音皆為標準的國語/普通話。同時排除帶有強烈方言口音的角色，保障溝通無礙。
  3. 🧠 智慧停頓偵測 (VAD)：
    • 使用 Silero VAD，內建連續靜音判斷，精準識別一段話的結束點。
  4. 🚦 狀態機協調：
    • 當 TTS 播放時自動暫停 ASR 監聽，完美解決「自己聽到自己講話」的自我回饋問題。
  5. 🤫 隱私與安全：
    • ASR 處理結果全在記憶體運作，不落定磁碟。

🎮 功能亮點

  • 多模型支援：支援自動下載 Qwen3-ASR 的不同參數量模型 (0.6B, 1.7B)。
  • JSON 驅動規則 (rules.json)：您可以透過設定檔自定義關鍵字、優先序與多樣化的回覆模式。
  • 多種語音角色：可隨時切換男女聲或特色聲音（如 vivian, serena, ryan 等）。
  • Mock 測試模式：支援純文字模擬互動，無需麥克風即可快速測試對話邏輯。

🛠️ 技術棧

  • 開發環境：Python 3.10+
  • 核心引擎 (ASR)：Qwen3-ASR (1.7B / 0.6B)
  • 語音合成 (TTS)：Qwen3-TTS
  • 語音偵測 (VAD)：Silero VAD
  • 併發處理：Threading + Python Queue

🚀 快速啟動

只需幾個簡單步驟即可在本地運行：

  1. 確認安裝 Python 3.10+ 及依賴（推薦使用 uv sync）。
  2. 複製專案並執行： 
    python src/main.py --rules config/rules.json
  3. 預設會自動下載推薦模型並開始聆聽。

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 Python 敏捷開發與整合強大開源模型的實踐。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 AI 落地本地端並保護隱私的最佳可能性。

歡迎造訪 chiisen/voice-activated-assistant.py 探索更多細節！🚀✨

Python Qwen GitHub