基于ChatGPT制作的一款英语口语练习应用SpokenAi

本文介绍了一款基于ChatGPT的英语口语练习应用SpokenAi，包括PortAudio的安装流程和核心代码，以及语音合成TextToSpeech的实现。同时提供了配置文件和部署运行示例。 --由ChatGPT总结生成

一.前言

Hi，大家好，我是Baird。最近几个月大火大热的ChatGPT已经发布到ChatGPT4版本了，我也一直在关注ChatGPT的发展，一直在思考能基于ChatGPT或着说openai的能力能做出点什么应用，解决一些问题。

💥在仔细看过openai的API文档后，发现openai不止提供了Chat的能力，还提供了如语音转文字，图片生成等能力。虽然没有ChatGPT那么火，但经过一番试用后，发现和ChatGPT效果一样让人惊艳。索性就直接来一个openai全家桶，通过openai的能力开发一款应用试试。

开发什么呢？ 🤔

ChatGPT对英语的语言能力自然不必说，而我们国人当下英语学习面临的一大问题就是哑巴英语，市面上的提供的英语对话机器人和ChatGPT比起来差得不是一星半点。只能请老师一对一真人教学？ 🤨 拜托，现在都2023年了，还需要花钱请口语老师么？

来造一款Ai口语练习应用解决这个问题 💯

ChatGPT4是由OpenAI开发的自然语言处理模型，采用了大规模无监督学习的方式进行训练，可用于生成文本、回答问题和聊天等任务。OpenAI是人工智能领域的一家公司，其API文档提供了多种功能，包括语音转文字、图片生成等。

二.需求清单

首选先列出我们需求清单，这个是一个简单版本的英语口语练习功能，先不打算造一个大app，我们只需要解决如下问题

1. 读取语音输入
2. 语音转文字
3. 通过ChatGPT沟通交流
4. 文字转音频
5. 音频播放
6. 持续进行上述1～5步骤

基于上述功能，第一期我打算先做一个终端版本的应用-SpokenAi，看看后续发展再考虑做一个Web或APP版本的程序 （实际上是缺人手缺时间 🤧）

三.系统架构

来，先设计一下我们SpokenAi的系统架构

• portaudio: PortAudio是一个跨平台的音频I/O库，提供了简单的API，使得开发人员可以在不同的平台上以相似的方式访问音频硬件。它支持Windows、Mac OS X、Linux和其他主要的操作系统。PortAudio支持多种音频API，包括ASIO、Core Audio、DirectSound、MME / WDM、ALSA和OSS。PortAudio还包括一个流接口，允许开发人员以相同的方式使用不同的音频API和硬件。
• openai-api: 提供了多种API服务，包括但不限于自然语言处理、语音转文字、文字转语音、图像生成等。在OpenAI的API文档中，用户可以申请API密钥，并使用API进行开发和测试。
• tensorflowtts: TensorflowTTS 是一个基于 TensorFlow 的语音合成工具包，它包含了多种语音合成模型和前处理工具，并且支持多种语音合成任务，例如有人声合成（Vocoder）、语音转换、语音增强等。它可以帮助开发者快速搭建语音合成模型，定制自己的语音合成系统。
• Docker: Docker是一种容器化技术，可以将应用程序及其依赖项打包在一个容器中，以便在任何地方运行。容器是一种轻量级的虚拟化技术，可以提供与传统虚拟机相似的隔离性和安全性，但占用的资源更少。Docker还提供了一套工具和平台，使得容器的构建、部署和管理变得更加容易。
• SpokenAi:整体应用层，其中有三个库分别是praudio、rocket、ttsclient，对应如下作用
  1. praudio: 封装portaudio，对外提供音频录制和音频播放等接口
  2. rocket: 封装openai-api, 对外提供Chat接口、音频转文字等接口
  3. ttsclient: 提供调用容器化运行的tensorflowtts的接口
• Console: 终端交互层，用户按提示进行操作，输入信息和进行相关操作

Tips:tensorflowtts 依赖较多，为方便完整，这里采用Docker部署

四.流程设计

接下来，我们设计一下交互流程

简单概括总体流程有三个步骤，一是输入个人信息 二是录音转文字，三是发送消息，进行对话交互

由于是通过终端访问，主要监听键盘事件，进行不同操作

如 按W键会开始录音，录音过程中按Q停止录音，待录音翻译完成后，按Ctrl+shift+enter发送消息

五.开发细节

编程语言: Go 1.6+

SpokenAi使用依赖于portaudio，需要提前安装好portaudio否则编译无法通过

PortAudio

一.PortAudio下载地址:

1. Windows: http://www.portaudio.com/download.html
2. MacOS: brew install portaudio
3. Linux: apt-get install portaudio19-dev

Mac和Linux比较好安装，Windows只能源码编译安装，具体流程如下：

PortAudio Window 安装流程

1. 下载PortAudio源码：http://www.portaudio.com/download.html
2. 安装Visual Studio 2019和CMake
3. 将源代码解压缩到 C:\PortAudio 文件夹中
4. 打开 CMake，选择 C:\PortAudio 作为源代码文件夹，选择一个输出文件夹，点击 Configure 按钮
5. 在生成选项中，选择 Visual Studio 16 2019，点击 Finish 按钮
6. 点击 Generate 按钮
7. 打开 Visual Studio，选择 Open a project or solution，选择 C:\PortAudio\build\portaudio.sln 文件，点击打开
8. 在 Visual Studio 中，右键点击 portaudio_static 项目，选择 Build，等待编译完成
9. 在 Visual Studio 中，右键点击 portaudio_static 项目，选择 Install，等待安装完成
10. 在环境变量中添加 PortAudio 的路径，例如 C:\Program Files (x86)\PortAudio\bin
11. 完成安装

PortAudio Window DLLs 安装流程

除此之外，可以直接选择网上编译好的库，可以从这里https://github.com/spatialaudio/portaudio-binaries下载。

在后续编译链接过程中，还是需要安装gcc, 推荐安装MinGW-w64。

安装完成MinGW后，将下载PortAudio库文件libportaudio-x86_64-w64-mingw32.static.dll 更名成portaudio.dll，放到MinGW ld能搜索到的库路径。

将PortAudio库文件libportaudio-x86_64-w64-mingw32.static.dll 放到Window System32目录下，在运行时程序需要找到该动态库

调用PortAudio的核心代码

1. 录音程序

func RecordAndSaveWithContext(ctx context.Context, filename string) error {
   
	portaudio.Initialize()
	defer portaudio.Terminate()
	done := make(chan struct{
   })

	// 初始化音频录制
	recorder, err := NewAudioRecorder()
	if err != nil {
   
		return fmt