tok715

开发代号: TOK715

1. 系统构架

flowchart TB
    node_mic(用户: 麦克风)
    node_speaker(用户: 扬声器)
    node_audiotouch_main("模块: tok715-audiotouch")
    node_inputdirec_main("模块: tok715-inputdirec")
    node_ai_service_main("模块: tok715-ai-service")
    node_corepsyche_main("模块: tok715-corepsyche")
    node_danmucolle_main("模块: tok715-danmucolle")
    node_aliyun_nls(阿里云: 语音识别/合成服务)
    node_bilibili_stream(哔哩哔哩: 直播间)
    node_redis_queue(Redis 队列)
    node_mysql_messages(MySQL 数据库)
    node_milvus_messages(Milvus 向量数据库)
    node_mic --> node_audiotouch_main
    node_audiotouch_main --> node_speaker
    node_audiotouch_main <--> node_aliyun_nls
    node_audiotouch_main -- 用户输入 --> node_redis_queue
    node_redis_queue -- 模型输出 --> node_audiotouch_main
    node_inputdirec_main -- 用户输入 --> node_redis_queue
    node_bilibili_stream --> node_danmucolle_main -- 用户输入 --> node_redis_queue
    node_redis_queue -- 用户输入 --> node_corepsyche_main
    node_corepsyche_main -- 模型输出 --> node_redis_queue
    node_corepsyche_main <-- 原始数据 --> node_mysql_messages
    node_corepsyche_main <-- 向量化 --> node_ai_service_main
    node_corepsyche_main <-- 推理 --> node_ai_service_main
    node_corepsyche_main <-- 向量数据 --> node_milvus_messages

Loading

2. 依赖

• 尽可能高端的英伟达显卡
• python > 3.10
• ffmpeg, 用来捕捉麦克风数据流
• poetry, 用来管理 python 依赖

3. 模块

3.1 音频交互模块: audiotouch

• 输入
  • 使用 ffmpeg 捕捉麦克风数据流
  • 传输数据流到阿里云语音识别服务
  • 使用 redis 发布识别结果到 自然语言输入 主题
• 输出
  • 使用 redis 订阅 模型输出 主题
  • 适用 阿里云语音合成服务 将输出结果转换为语音
  • 使用 ffplay 播放语音合成结果

输入格式

阿里云语音识别服务要求编码格式为 pcm_s16le, 16khz, mono

3.2 AI 服务模块: ai-service

• 监听 HTTP 端口
• 提供 向量计算 接口
• 提供 推理 接口

接口调用方法

POST /invoke

接口定义: 向量计算

请求:

{
  "method": "embeddings",
  "args": {
    "input_texts": [
      "早上好中国我有草履虫",
      "早上好中国我有冰淇淋"
    ]
  }
}

返回:

{
  "result": {
    "vectors": [
      [],
      []
    ]
  }
}

接口定义: 生成

请求:

{
  "method": "chat",
  "args": {
    "query": "",
    "system": "",
    "history": [
      [
        "你好",
        "你好"
      ]
    ]
  }
}

返回:

{
  "result": {
    "response": "我是小可爱",
    "history": [
      [
        "你好",
        "你好"
      ]
    ]
  }
}

3.3 核心思维模块: corepsyche

3.4 弹幕收集模块: danmucolle

4. Redis PUB/SUB 队列

自然语言输入

tok715:nl-input:USER_GROUP:USER_ID

{
  "ts": 1698240603702,
  "content": "坐在驶进乡间小路的摇晃公交车里，他回想起了过去唯一次和祖母交谈。",
  "user": {
    "id": "owner",
    "display_name": "主人",
    "group": "owner"
  }
}

5. 配置文件

# tok715.yml

# 用户身份
# 使用模块：audiotouch
user:
  id: owner
  display_name: 主人
  group: owner

# redis 配置
# 更多参数，翻阅 https://redis-py.readthedocs.io/en/stable/connections.html
# 使用模块: audiotouch, corepsyche, danmucolle
redis:
  host: '127.0.0.1'
  port: 6379

# 数据库配置
# 使用模块: corepsyche
database:
  url: 'mysql+pymysql://root:root@localhost:3306/tok715'
  # 更多参数，翻阅 https://docs.sqlalchemy.org/en/20/core/engines.html
  echo: true

# milvus 配置
# 使用模块: corepsyche
milvus:
  alias: "default"
  host: 'localhost'
  port: '19530'

# 阿里云 服务配置
# 使用模块: audiotouch
aliyun:
  # 阿里云语音识别
  nls:
    endpoint: wss://nls-gateway.cn-shanghai.aliyuncs.com/ws/v1
    app_key: xxxxx
    access_key_id: xxxxx
    access_key_secret: xxxxx

# AI 服务配置
# 客户端使用 url 字段调用
# 服务端使用 server 字段配置
# 使用模块: corepsyche
ai_service:
  url: http://127.0.0.1:9891/invoke

  server:
    host: '127.0.0.1'
    port: 9891

6. 许可证

TOK715 Developers, MIT License