提交您的产品 
Ai应用
Ai资讯
AI生图
AI生视频
AI数字人系统RealtimeVoiceChat：实时收到语音回复的实时AI语音聊天应用
RealtimeVoiceChat是什么？
RealtimeVoiceChat是一个能让你用语音和智能系统聊天的开源项目，还能实时收到语音回复。它通过网络传输音频片段，把语音变成文字，让智能系统处理，再把文字变成语音。这个项目支持多种智能系统（默认用Ollama，也能用Openai），还能灵活选择语音风格。它采用客户端-服务器架构，优化了低延迟，能智能检测对话轮次，让聊天更流畅。推荐用Docker来部署，如果有CUDA-enabled NVIDIA GPU，性能会更好。
RealtimeVoiceChat核心功能
流式语音交互：用户语音被浏览器捕获，通过WebSockets传输到Python后端，实时转录为文本，发送给LLM处理，然后将文本响应转换为语音流回传给用户。
低延迟设计：通过音频块流式传输优化架构，确保对话流畅。
智能轮次检测：动态静默检测，根据对话节奏自动切换说话权。
灵活的AI后端：支持多种LLM后端（默认为Ollama，也支持OpenAI）。
可定制语音：可以选择不同的文本到语音引擎（如Kokoro、Coqui、Orpheus）。
简洁的Web界面：使用Vanilla JS和Web Audio API构建的简单用户界面。
Docker化部署：推荐使用Docker Compose进行部署，便于管理依赖。
RealtimeVoiceChat特点
实时交互：用户可以使用语音与 AI 进行对话，AI 也会以语音形式实时回应。
多组件协作：项目包含前端的音频处理和 UI 交互，以及后端的语音转录、文本处理和语音合成等功能。
可配置性：支持多种 TTS 引擎和 LLM 模型，并且可以通过环境变量进行配置。
技术栈
后端：Python 3.x，FastAPI
前端：HTML、CSS、JavaScript（Vanilla JS、Web Audio API、AudioWorklets）
通信：WebSockets
容器化：Docker、Docker Compose
核心AI/ML库：RealtimeSTT（语音转文本）、RealtimeTTS（文本转语音）、transformers（轮次检测、分词）、torch/torchaudio（机器学习框架）、ollama/openai（LLM客户端）
音频处理：numpy、scipy
安装与部署
Docker安装（推荐）
克隆项目并进入目录。
构建Docker镜像（会下载基础镜像、安装Python/ML依赖并预下载默认STT模型）。
启动服务（App和Ollama）。
拉取所需的Ollama模型。
通过浏览器访问http://localhost:8000，开始语音聊天。
手动安装
创建并激活Python虚拟环境。
安装PyTorch（根据硬件配置）。
安装其他依赖（requirements.txt）。
启动FastAPI服务器。
通过浏览器访问http://localhost:8000，开始语音聊天。
配置与定制
TTS引擎与语音：在server.py和audio_module.py中配置。
LLM后端与模型：在server.py和llm_module.py中配置。
STT设置：在transcribe.py中配置。
轮次检测灵敏度：在turndetect.py中配置。
SSL/HTTPS：在server.py中配置。
项目地址
GitHub仓库：https://github.com/KoljaB/RealtimeVoiceChat
