VoiceDialogue
🖥️ 图形界面: 内置 Web 图形界面,浏览器即可使用(选音色、切语言、看实时字幕) 🎤 实时语音识别: 基于 Qwen3-ASR 的高精度中英文转录(自带标点,支持 52 种语言) 🤖 智能对话生成: 集成 Qwen3 等大语言模型 🔊 高质量语音合成: 支持多角色、多风格的语音输出 🌐 Web API 服务: 提供 HTTP 接口,方便集成 ⚡ 低延迟处理: 优化的音频流处理管道
Modellquelle
- Art
- Other
- Dateigröße
- 149 B–6,26 GB
- Version
- vRevision 9dca1cb
- Aktualisiert
- 25. Sept. 2026
- Downloads
- 83
- Quelle
- Hugging Face
Quellenauszug
🖥️ 图形界面: 内置 Web 图形界面,浏览器即可使用(选音色、切语言、看实时字幕) 🎤 实时语音识别: 基于 Qwen3-ASR 的高精度中英文转录(自带标点,支持 52 种语言) 🤖 智能对话生成: 集成 Qwen3 等大语言模型 🔊 高质量语音合成: 支持多角色、多风格的语音输出 🌐 Web API 服务: 提供 HTTP 接口,方便集成 ⚡ 低延迟处理: 优化的音频流处理管道
Quellen
1 Quelle
Quellen
1 QuelleVerifiziert 6. Sept.
Modellartefakte
40 Artefakte
Modellartefakte
40 Artefakteassets/models/asr/funasr/punc_ct-transformer_cn-en-common-vocab471067-large/model_quant.onnx
onnx · 269 MB · SHA-256 dabeb787b562…b478 · Hugging Face
Herunterladenassets/models/asr/funasr/speech_seaco_paraformer_large_asr_nat-zh-cn-16k-common-vocab8404-pytorch/model_eb_quant.onnx
onnx · 32,5 MB · SHA-256 967e4f4f8270…4b06 · Hugging Face
Herunterladenassets/models/asr/funasr/speech_seaco_paraformer_large_asr_nat-zh-cn-16k-common-vocab8404-pytorch/model_quant.onnx
onnx · 329 MB · SHA-256 1382593b11a1…7626 · Hugging Face
Herunterladenassets/models/asr/whisper/ggml-medium-encoder.mlmodelc/analytics/coremldata.bin
bin · 207 B · SHA-256 adbe456375e7…3cdd · Hugging Face
Herunterladenassets/models/asr/whisper/ggml-medium-encoder.mlmodelc/coremldata.bin
bin · 149 B · SHA-256 05fe28591b40…cf3b · Hugging Face
Herunterladenassets/models/asr/whisper/ggml-medium-encoder.mlmodelc/weights/weight.bin
bin · 586 MB · SHA-256 6a188b0e4e31…1815 · Hugging Face
Herunterladenassets/models/asr/whisper/ggml-medium-q5_0.bin
bin · 514 MB · SHA-256 19fea4b380c3…220f · Hugging Face
Herunterladenassets/models/llm/qwen/Qwen3-8B-Q6_K.gguf
gguf · 6,26 GB · SHA-256 cb042ccd7679…bce6 · Hugging Face
Herunterladenassets/models/tts/kokoro/kokoro-v1.0.int8.onnx
onnx · 88,1 MB · SHA-256 6e742170d309…06cb · Hugging Face
Herunterladenassets/models/tts/kokoro/voices-v1.0.bin
bin · 26,9 MB · SHA-256 bca610b8308e…bf7d · Hugging Face
Herunterladenassets/models/tts/moyoyo/chinese-hubert-base/pytorch_model.bin
bin · 180 MB · SHA-256 24164f129c66…2d3c · Hugging Face
Herunterladenassets/models/tts/moyoyo/chinese-roberta-wwm-ext-large/pytorch_model.bin
bin · 621 MB · SHA-256 e53a693acc59…c1d8 · Hugging Face
Herunterladenassets/models/tts/moyoyo/GPT_weights/bys_best_gpt.ckpt
ckpt · 148 MB · SHA-256 ac640ddb8b69…597f · Hugging Face
Herunterladenassets/models/tts/moyoyo/GPT_weights/doubao_best_gpt.ckpt
ckpt · 148 MB · SHA-256 d2514e7b3e1e…62fb · Hugging Face
Herunterladenassets/models/tts/moyoyo/GPT_weights/ellen_best_gpt.ckpt
ckpt · 148 MB · SHA-256 2de5d2cf0b2b…e787 · Hugging Face
Herunterladenassets/models/tts/moyoyo/GPT_weights/luoxiang_best_gpt.ckpt
ckpt · 148 MB · SHA-256 5692ebe7346b…049b · Hugging Face
Herunterladenassets/models/tts/moyoyo/GPT_weights/mabaoguo_best_gpt.ckpt
ckpt · 148 MB · SHA-256 23571ee7c140…f0e2 · Hugging Face
Herunterladenassets/models/tts/moyoyo/GPT_weights/maple_best_gpt.ckpt
ckpt · 148 MB · SHA-256 732f94e63b14…be1f · Hugging Face
Herunterladenassets/models/tts/moyoyo/GPT_weights/mayun_best_gpt.ckpt
ckpt · 148 MB · SHA-256 ff9c818bac7f…fc81 · Hugging Face
Herunterladenassets/models/tts/moyoyo/GPT_weights/shenyi_best_gpt.ckpt
ckpt · 148 MB · SHA-256 b86f0aa86145…7593 · Hugging Face
Herunterladenassets/models/tts/moyoyo/GPT_weights/trump_best_gpt.ckpt
ckpt · 148 MB · SHA-256 32753ee3d68f…e345 · Hugging Face
Herunterladenassets/models/tts/moyoyo/GPT_weights/yangmi_best_gpt.ckpt
ckpt · 148 MB · SHA-256 581b9111143c…4eb7 · Hugging Face
Herunterladenassets/models/tts/moyoyo/GPT_weights/zhoujielun_best_gpt.ckpt
ckpt · 148 MB · SHA-256 23756eb82db4…9922 · Hugging Face
Herunterladenassets/models/tts/moyoyo/SoVITS_weights/bys_best_sovits.pth
pth · 81,1 MB · SHA-256 a23eae23011d…a93d · Hugging Face
Herunterladenassets/models/tts/moyoyo/SoVITS_weights/cove_best_sovits.pth
pth · 81,1 MB · SHA-256 3faa069d3c45…1198 · Hugging Face
Herunterladenassets/models/tts/moyoyo/SoVITS_weights/doubao_best_sovits.pth
pth · 81,1 MB · SHA-256 6206099d9d30…b929 · Hugging Face
Herunterladenassets/models/tts/moyoyo/SoVITS_weights/ellen_best_sovits.pth
pth · 81,1 MB · SHA-256 0a5ceab180bb…9f01 · Hugging Face
Herunterladenassets/models/tts/moyoyo/SoVITS_weights/juniper_best_sovits.pth
pth · 81,1 MB · SHA-256 0b9a21a802a7…4bd1 · Hugging Face
Herunterladenassets/models/tts/moyoyo/SoVITS_weights/luoxiang_best_sovits.pth
pth · 81,1 MB · SHA-256 e040b885538b…c3df · Hugging Face
Herunterladenassets/models/tts/moyoyo/SoVITS_weights/mabaoguo_best_sovits.pth
pth · 81,1 MB · SHA-256 a0873e326ae8…c536 · Hugging Face
Herunterladenassets/models/tts/moyoyo/SoVITS_weights/maple_best_sovits.pth
pth · 81,1 MB · SHA-256 877f188bb868…b8ce · Hugging Face
Herunterladenassets/models/tts/moyoyo/SoVITS_weights/mayun_best_sovits.pth
pth · 81,1 MB · SHA-256 bb0496d95f2d…fe4a · Hugging Face
Herunterladenassets/models/tts/moyoyo/SoVITS_weights/shenyi_best_sovits.pth
pth · 81,1 MB · SHA-256 447cbd8932e9…e956 · Hugging Face
Herunterladenassets/models/tts/moyoyo/SoVITS_weights/trump_best_sovits.pth
pth · 81,1 MB · SHA-256 763267f6e0cb…6fbc · Hugging Face
Herunterladenassets/models/tts/moyoyo/SoVITS_weights/yangmi_best_sovits.pth
pth · 81,1 MB · SHA-256 872db23c8d10…e260 · Hugging Face
Herunterladenassets/models/tts/moyoyo/SoVITS_weights/zhoujielun_best_sovits.pth
pth · 81,1 MB · SHA-256 7e1aa94b9c4b…65d3 · Hugging Face
Herunterladenthird_party/moyoyo_tts/pretrained_models/gsv-v2final-pretrained/s1bert25hz-5kh-longer-epoch=12-step=369668.ckpt
ckpt · 148 MB · SHA-256 732f94e63b14…be1f · Hugging Face
Herunterladenthird_party/moyoyo_tts/pretrained_models/gsv-v2final-pretrained/s2D2333k.pth
pth · 89,2 MB · SHA-256 8ae7fe8dd8c8…a836 · Hugging Face
Herunterladenthird_party/moyoyo_tts/pretrained_models/gsv-v2final-pretrained/s2G2333k.pth
pth · 101 MB · SHA-256 924fdccaa3c5…3695 · Hugging Face
Herunterladenthird_party/moyoyo_tts/text/G2PWModel/g2pW.onnx
onnx · 606 MB · SHA-256 2eb3c71fd951…cbd0 · Hugging Face
HerunterladenQuellenauszüge
2 Auszüge
Quellenauszüge
2 Auszüge--- title: VoiceDialogue - 智能语音对话系统 license: mit language: - zh - en pipeline_tag: text-to-speech tags: - voice-dialogue - speech-recognition - text-to-speech - large-language-model - asr - tts - llm - chinese - english - real-time library_name: transformers --- # VoiceDialogue - 智能语音对话系统 <div align="center">     一个集成了语音识别(ASR)、大语言模型(LLM)和文本转语音(TTS)的实时语音对话系统 [快速开始](#-快速开始) • [文档导航](#-文档导航) • [贡献指南](docs/contributing.md) </div> ## 🎯 项目简介 VoiceDialogue 是一个基于 Python 的完整语音对话系统，实现了端到端的语音交互体验。系统采用模块化设计，具备实时、高精度、多角色的特点。 - 🖥️ **图形界面**: 内置 Web 图形界面，浏览器即可使用（选音色、切语言、看实时字幕） - 🎤 **实时语音识别**: 基于 Qwen3-ASR 的高精度中英文转录（自带标点，支持 52 种语言） - 🤖 **智能对话生成**: 集成 Qwen3 等大语言模型 - 🔊 **高质量语音合成**: 支持多角色、多风格的语音输出 - 🌐 **Web API 服务**: 提供 HTTP 接口，方便集成 - ⚡ **低延迟处理**: 优化的音频流处理管道 > 想要了解更多？请查看 [功能特性详解](docs/features.md)。 ## 🚀 快速开始 > **最简单的方式**：克隆仓库 → 安装依赖 → 启动 → 在浏览器打开图形界面，即可开始语音对话。 > 目前仅支持 **macOS（Apple Silicon）**。 ### 1. 克隆并安装 > **模型分两部分**： > - **随仓库下载（约 12GB，Git LFS）**：大语言模型、语音合成、参考音色等。 > - **首次启动自动下载（约 4.4GB）**：语音识别引擎 **Qwen3-ASR**，由程序在第一次运行时从 HuggingFace 拉取并缓存到 `~/.cache/huggingface`，之后无需重复下载。 > > ⚠️ **必须先安装 [Git LFS](https://git-lfs.com)**，否则克隆下来的模型只是几百字节的占位指针，应用无法启动。 ```bash # 1) 安装并初始化 Git LFS（只需一次） brew install git-lfs # 如未安装 Homebrew，见 https://git-lfs.com git lfs install # 2) 克隆项目（包含约 12GB 模型，体积较大，请耐心等待） git clone https://huggingface.co/MoYoYoTech/VoiceDialogue cd VoiceDialogue # 3) 校验模型确实拉取成功（应显示 GB 级大小，而非 100+ 字节） # 若显示很小，说明 Git LFS 未生效，执行：git lfs pull ls -lh assets/models/llm/qwen/Qwen3-8B-Q6_K.gguf # 4) 安装依赖（推荐使用 uv） pip install uv uv venv source .venv/bin/activate WHISPER_COREML=1 CMAKE_ARGS="-DGGML_METAL=on" uv sync # 5) 安装额外依赖 uv pip install kokoro-onnx # kokoro-onnx（英文 TTS） uv pip install numpy==1.26.4 # 固定 numpy 版本 ``` > 📖 需要更详细的步骤？请查阅 [安装指南](docs/installation.md)，其中包含系统要求和常见问题。 ### 2. 启动图形界面（推荐） ```bash python main.py --mode api ``` 启动后，在浏览器中打开：**http://localhost:8000/app/** 在界面中即可完成全部操作： - 点击右下角 **⚙️ 设置**，选择**麦克风、回音消除、识别语言、音色**，也可切换**中 / 英界面语言**； - 点击 **「开始对话」**，即可与 AI 实时语音对话，**字幕会实时显示**。 > **首次启动较慢，属正常现象**：程序会自动下载 Qwen3-ASR 模型（约 4.4GB，需联网，下载进度会打印在终端）并转换一次 TTS 权重格式。全部完成后才会就绪，整个...
Source context: 83 downloads · 5 likes · Pipeline text-to-speech · Library transformers · Repo MoYoYoTech/VoiceDialogue
