百聆
bailing
3/5
🧩 软硬件结合
已发布
项目简介
百聆 是一个类似GPT-4o的语音对话机器人，通过ASR+LLM+TTS实现，集成DeepSeek R1等优秀大模型，接入openClaw，真正的个人语音助手，时延低至800ms，Mac等低配置也可运行，支持打断
百聆 是一个类似GPT-4o的语音对话机器人，通过ASR+LLM+TTS实现，集成DeepSeek R1等优秀大模型，接入openClaw，真正的个人语音助手，时延低至800ms，Mac等低配置也可运
标签
项目特点
🚀 **流畅对话体验**：低延迟、不卡顿，几乎像真人对话一样自然，百聆使用了多个开源模型，确保高效、可靠的语音对话体验。
🖥 **轻量级部署**：无需高端硬件，甚至不需要 GPU，通过优化，可本地部署，仍能提供类GPT-4的性能表现。
🔧 **模块化设计**：ASR、VAD、LLM和TTS模块相互独立，可以根据需求进行替换和升级。
🧠 **智能记忆功能**：具备持续学习能力，能够记忆用户的偏好与历史对话，提供个性化的互动体验。
🛠 **工具调用能力**：灵活集成外部工具，用户可通过语音直接请求信息或执行操作，提升助手的实用性。
📅 **任务管理**：高效管理用户任务，能够跟踪进度、设置提醒，并提供动态更新，确保用户不错过任何重要事项。
🌐 **可扩展生态**：除 OpenClaw 外，也支持逐步接入更多外部工具与 Agent 能力。
技术规格
| 核心架构 | ASR + VAD + LLM + TTS |
|---|---|
| 语音识别 (ASR) | FunASR (SenseVoiceSmall) |
| 语音活动检测 (VAD) | silero-vad |
| 大语言模型 (LLM) | DeepSeek (支持OpenAI, Qwen, Gemini等) |
| 语音合成 (TTS) | edge-tts, Kokoro-82M, ChatTTS, MacOS say |
| 工具/Agent引擎 | OpenClaw |
| 端到端时延 | 约800ms |
| 运行环境 | Python 3.12+, 无需GPU |
| 通信协议 | WebRTC / WebSocket |
项目资源
搜索资源
物料清单 (BOM)
| 物料名称 | 数量 | 参考价格 | 备注 |
|---|---|---|---|
| Python 3.12+ | 1 | — | 运行环境 |
| FunASR | 1 | — | ASR组件 |
| silero-vad | 1 | — | VAD组件 |
| DeepSeek API | 1 | — | LLM服务（需API Key） |
| edge-tts / Kokoro-82M / ChatTTS | 1 | — | TTS组件（可选其一） |
| SenseVoiceSmall | 1 | — | ASR模型文件 |
能力画像
⚪ 记忆与知识检索: 3/5
🔵 逻辑推演: 3/5
⚪ 表达与交流: 4/5
⚪ 感知与观察: 3/5
⚪ 数理与计算: 2/5
⚪ 动手与操作: 2/5
⚪ 狂热与坚持: 2/5
⚪ 创造与创新: 3/5
项目图库
所需技能
🔧 **动手能力**：能够配置Python环境和安装依赖，理解基本的命令行操作。
💻 **编程能力**：具备Python基础，能够修改配置文件（YAML/TOML），理解模块化设计思想。
⚡ **电子电路**：无需电子电路知识。
适用场景
**个人语音助手**：在个人电脑上部署，通过语音进行信息查询、任务管理和日常对话。
**低资源环境下的AI应用**：在无GPU的Mac或边缘设备上运行，体验类GPT-4o的语音对话能力。
**学习和研究**：作为学习ASR、LLM、TTS技术集成和语音交互系统设计的优秀开源项目。
**智能家居控制**：通过集成OpenClaw，未来可扩展为智能家居的语音控制中心。