百聆
百聆是一个开源的语音对话助手，旨在通过语音与用户进行自然的对话。，百聆是一个开源的语音对话助手，旨在通过语音与用户进行自然的对话。该项目结合了语音识别(ASR)、语音活动检测(VAD)、大语言模型(LLM)和语音合成(TTS)技术，提供高质量的语音对话体验。其主要优点是无需GPU即可实现类GPT-4o的对话效果，适用于各种边缘设备和低资源环境。百聆完全开源，鼓励社区贡献与二次开发，用户可以根据自己的需求进行定制和优化
工具简介与核心定位
需求人群 该产品适合需要高效语音交互体验的用户，无论是日常对话、信息查询还是任务管理，百聆都能提供便捷的语音支持，尤其适合对硬件配置要求不高但对语音交互质量有较高要求的用户。 使用场景 用户可以通过语音指令让百聆查询天气情况，如说‘杭州天气怎么样？’，百聆会返回杭州的天气信息。 用户可以使用百聆进行雅思口语练习，百聆会生成雅思口语练习题目和对话，帮助用户进行练习。 用户可以设置定时任务，如说‘每天早上8点提醒我喝水。’，百聆会按照设定的时间提醒用户。 产品特色 高效开源模型：百聆使用多个开源模型，确保高效、可靠的语音对话体验。 无需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，可根据需求进行替换和升级。 支持记忆功能：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。 支持工具调用：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。 支持任务管理：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。 使用教程 1. 克隆项目仓库：git clone https://github.com/wwbin2017/bailing.git，然后进入项目目录cd bailing。 2. 安装所需依赖：pip install -r requirements.txt。 3. 配置环境变量：打开config/config.yaml配置ASR LLM等相关配置，下载SenseVoiceSmall到目录models/SenseVoiceSmall，并获取deepseek的api_key。 4. 启动后端服务：cd server，运行python server.py（可选）。 5. 启动主程序：运行python main.py，系统会等待语音输入，用户即可开始使用百聆进行语音对话。
ADK 综合性能评测
核心特色与功能亮点 (Key Features)
典型应用场景与适用行业
核心能力
官方新手上手实操教程指南
1-STEP TUTORIAL访问百聆网站或下载应用；2. 选择音频功能（生成/编辑/转换等）；3. 上传文件或输入文本，设置参数；4. 处理完成后下载音频文件。
1. 访问百聆网站或下载应用；2. 选择音频功能（生成/编辑/转换等）；3. 上传文件或输入文本，设置参数；4. 处理完成后下载音频文件。
同类其它推荐 AI 工具
关于 百聆 的常见问题
百聆通常提供免费试用或免费基础版本，高级功能和更大使用量需要付费订阅。具体价格方案请以官网最新信息为准。
正规的音频工具通常会采取数据加密和隐私保护措施，但建议避免上传敏感个人信息或商业机密内容。使用前请仔细阅读产品的隐私政策。
百聆适合对音频有需求的人群使用，包括个人用户、自由职业者、中小企业以及大型企业的相关部门。具体适用场景因产品定位而异。
通常支持MP3、WAV、FLAC等主流音频格式的输入和输出，具体支持范围因产品而异。
现代AI音频工具的合成语音已经相当自然，接近真人水平，但在情感表达和语调变化上可能仍有差距。