相信很多大家對(duì)半小時(shí)教你手搓AI視頻通話，還有懶人版代碼已開(kāi)源還不知道吧，今天菲菲就帶你們一起去了解一下~.~！

GPT-4o的“AI視頻通話”一鴿再鴿，但網(wǎng)友卻是急不可耐想要體驗(yàn)。

于是，一位名叫Santiago（我們叫他三哥）的博主，用160行Python代碼嘗試了復(fù)刻。

雖然技術(shù)路線和《Her》有所差別，但從直觀效果來(lái)看，也算得上是給網(wǎng)友們帶來(lái)了新的玩具。

而且不僅是炫技，三哥是真的在試圖把網(wǎng)友教會(huì)，用了半個(gè)多小時(shí)的時(shí)間講解他的操作過(guò)程。

不過(guò)，三哥的自我介紹中說(shuō)，自己是一個(gè)講授硬核機(jī)器學(xué)習(xí)知識(shí)的博主，之前也推出過(guò)不少課程。

所以講課這件事對(duì)三哥來(lái)說(shuō)，也可以算是老本行了。

對(duì)三哥這次推出的新課，網(wǎng)友給予了很高的評(píng)價(jià)，表示不僅內(nèi)容很贊，而且講解得也很好。

甚至為了防止你覺(jué)得學(xué)起來(lái)太麻煩，三哥直接就把程序代碼給公開(kāi)了。

還有網(wǎng)友在線催更，有的想要增加屏幕讀取的功能，還有人想要移動(dòng)版……

用Python實(shí)現(xiàn)AI視頻通話

三哥做的視頻通話程序名叫Alloy Voice Assistant（簡(jiǎn)稱Alloy），在視頻中他演示了這樣幾組對(duì)話效果。

首先是一道基礎(chǔ)問(wèn)題，三哥讓Alloy識(shí)別一下自己戴的眼鏡是什么顏色。

這道題對(duì)Alloy來(lái)說(shuō)確實(shí)是沒(méi)什么難度，很輕松就能回答上來(lái)是黑色。

接下來(lái)，三哥就要給Alloy上難度了，這次要識(shí)別的是棒球帽上的徽章，并分析出所代表的球隊(duì)。

這次不僅要識(shí)別的內(nèi)容和鏡頭的距離變遠(yuǎn)了，而且Alloy需要一次性識(shí)別六個(gè)。

關(guān)于視頻中涉及的棒球帽，我們來(lái)看下特寫:

從左到右依次是（洛杉磯）道奇隊(duì)、(華盛頓)國(guó)民隊(duì)、(波士頓)紅襪隊(duì)、(休斯頓)太空人隊(duì)、(芝加哥)小熊隊(duì)和(堪薩斯城)皇家隊(duì)。

我們?cè)賮?lái)看下Alloy給出的回答……完全正確。

最后一題，Alloy需要識(shí)別的內(nèi)容變成了文字——不僅要知道寫了什么，還要知道文字代表的含義。

只見(jiàn)三個(gè)拿出了一本書朝向了鏡頭，先后詢問(wèn)Alloy書的名稱和作者。

這本書是蘋果機(jī)器學(xué)習(xí)高級(jí)工程師Robert Munro Monarch寫的Human-in-the-Loop Machine Learning（《人在回路·機(jī)器學(xué)習(xí)》），Alloy回答對(duì)了。

從三哥的演示中我們可以看出，Alloy在識(shí)別和回答的準(zhǔn)確率上還是很能打的，不過(guò)響應(yīng)的速度也確實(shí)慢了一些。

但畢竟不是原生功能，需要在多個(gè)API之間進(jìn)行跳轉(zhuǎn)，所以也算是可用。

那么Alloy到底是怎么實(shí)現(xiàn)的呢?三哥進(jìn)行了在線教學(xué)。

37分鐘細(xì)致講解，還有開(kāi)源懶人版

跟隨著三哥的講解，我們先來(lái)看一下都需要用到哪些工具。

既然要“視頻通話”，當(dāng)然就得有視覺(jué)處理模塊，三哥用OpenCV來(lái)對(duì)畫面進(jìn)行捕獲，然后交給多模態(tài)大模型進(jìn)行處理。

具體的大模型可以有多種選擇，包括GPT-4o、Claude和Gemini1.5Pro等，同時(shí)大模型還要承擔(dān)文本處理的任務(wù)。

這是由于Alloy并非原生支持音頻模態(tài)，所以處理音頻的方式是通過(guò)文本作為中介實(shí)現(xiàn)，這就需要用到語(yǔ)音識(shí)別和合成模塊，這里三哥用的分別是OpenAI的Whisper和TTS引擎。

另外，為了讓大模型的集成變得更加容易，三哥這里還使用到了大模型編程框架LangChain。

最重要的，想要把這些模塊都組合在一起，就需要用Python來(lái)編寫代碼，也要有相應(yīng)工具的API。

看到這些工具，Alloy的大致工作流程也就清晰明了了——

麥克風(fēng)和攝像頭負(fù)責(zé)收集視覺(jué)和聲音信息，然后聲音被轉(zhuǎn)換成文本并于視覺(jué)信息一起通過(guò)API送入大模型，大模型完成分析后以文本形式回傳，最后用TTS模塊合成語(yǔ)音并通過(guò)揚(yáng)聲器播放。

具體操作中，需要先安裝好所需要的依賴庫(kù)，并申請(qǐng)相應(yīng)大模型的API，并創(chuàng)建一個(gè)Python程序加載這些依賴。

之后是編寫WebcamStream類，用來(lái)捕獲攝像頭當(dāng)中的圖像，這里就用到了OpenCV當(dāng)中的VideoCapture。

視頻中，三哥針對(duì)每一行代碼的含義和作用都進(jìn)行了解釋，感興趣的話可以看原視頻，這里就不一一展開(kāi)了。

之后是Assistant類，也是整個(gè)Alloy系統(tǒng)中最核心的環(huán)節(jié)，從初始化和配置AI模型，到處理用戶輸入、聲文互轉(zhuǎn)、生成回答，再到對(duì)話記錄的管理，Assistant都發(fā)揮著重要作用。

可以說(shuō)，Assistant類是串起用戶、輸入設(shè)備和AI模型的橋梁，也是三哥在整個(gè)教程中講解時(shí)間最長(zhǎng)的一部分。

把這兩個(gè)類定義好之后，最后就是主程序的設(shè)計(jì)，首先為這兩個(gè)類各創(chuàng)建一個(gè)實(shí)例，之后配置攝像頭和麥克風(fēng)，就可以進(jìn)入主循環(huán)體了。

主循環(huán)體會(huì)不斷從WebcamStream實(shí)例中讀取最新的視頻幀，并使用OpenCV的imshow（）函數(shù)在窗口中實(shí)時(shí)顯示。

同時(shí)，當(dāng)語(yǔ)音識(shí)別器檢測(cè)到用戶開(kāi)始說(shuō)話并結(jié)束時(shí)，會(huì)自動(dòng)將語(yǔ)音轉(zhuǎn)換為文本，并調(diào)用相關(guān)函數(shù)進(jìn)行處理。

以上就是Alloy搭建的大致流程了，如果看了覺(jué)得實(shí)在太麻煩不想自己動(dòng)手的話，三哥還在GitHub上準(zhǔn)備了懶人版。

只需要根據(jù)選擇的模型調(diào)整幾行代碼并填好API，就能直接用了。

如果你也想體驗(yàn)一下AI視頻通話的話，不妨動(dòng)手試一下吧。

原視頻地址:

https://www.youtube.com/watch?v=zVttVCQvACQ

GitHub:

https://github.com/svpino/alloy-voice-assistant

以上就是關(guān)于【半小時(shí)教你手搓AI視頻通話，還有懶人版代碼已開(kāi)源】的相關(guān)內(nèi)容，希望對(duì)大家有幫助！

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場(chǎng)無(wú)關(guān)。財(cái)經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。 如有侵權(quán)請(qǐng)聯(lián)系刪除！