# smart-speaker

**Repository Path**: another-road/smart-speaker

## Basic Information

- **Project Name**: smart-speaker
- **Description**: 于开源全栈方案的个人智能音箱实现
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2026-02-28
- **Last Updated**: 2026-03-25

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 智能音箱系统

[![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](https://opensource.org/licenses/MIT)
[![Python 3.8+](https://img.shields.io/badge/python-3.8+-blue.svg)](https://www.python.org/downloads/)

基于开源全栈方案的个人智能音箱实现，完全跨平台支持！

## 核心功能
- **语音识别**: Vosk (离线，多语言支持)
- **AI助手**: 阿里云百炼 (通义千问)
- **文本转语音**: Edge-TTS + pyttsx3 (双引擎支持)
- **唤醒词检测**: Vosk (支持中文唤醒词)
- **噪声过滤**: 带通滤波器 + 自动增益控制
- **跨平台**: Windows/Linux/macOS 全支持

## 系统要求

### 通用要求
- Python 3.8+
- 4GB+ 内存 (推荐8GB+)
- 麦克风和音响设备

### Windows 特定要求
- Windows 10/11 (64位)
- Visual C++ Redistributable
- PowerShell 5.1+

### Linux 特定要求  
- Ubuntu/Debian/CentOS 等
- ALSA/PulseAudio 音频系统
- gcc 编译器 (可选)

## 快速开始

### 1. 克隆项目
```bash
git clone https://github.com/your-username/smart-speaker.git
cd smart-speaker
```

### 2. 创建虚拟环境
```bash
python -m venv venv
source venv/bin/activate  # Linux/macOS
.\venv\Scripts\activate   # Windows
```

### 3. 安装依赖
```bash
pip install -r requirements.txt
```

### 4. 下载 Vosk 模型
```bash
# 下载中文模型 (约 1.3GB)
wget https://alphacephei.com/vosk/models/vosk-model-cn-0.22.zip
unzip vosk-model-cn-0.22.zip -d models/
mv models/vosk-model-cn-0.22 models/vosk-model-cn-0.22
```

### 5. 配置
```bash
cp config.example.json config.json
# 编辑 config.json 填入你的 API 密钥（可选）
```

### 6. 启动
```bash
python main.py
```

## 配置选项

配置文件: `config.json` (复制 `config.example.json`)

```json
{
  "wake_word": {
    "keywords": ["老王", "你好小助手"]
  },
  "speech_recognition": {
    "engine": "vosk",
    "model_path": "./models/vosk-model-cn-0.22",
    "whisper": {
      "enabled": false,
      "model_name": "base",
      "device": "cpu",
      "language": "zh"
    }
  },
  "tts": {
    "engine": "edge",
    "voice": "zh-CN-XiaoxiaoNeural"
  },
  "bailian": {
    "enabled": true,
    "api_key": "YOUR_API_KEY"
  }
}
```

### 语音识别

使用 Vosk 进行离线语音识别：
- 优点：轻量级、快速、完全离线
- 缺点：准确度中等
- 适合：实时应用、低配置设备

### 唤醒词检测

使用 Vosk 进行唤醒词检测：
- 优点：快速、低延迟
- 缺点：准确度中等
- 适合：需要快速响应的场景

**支持的唤醒词**: 小度、小王、小爱、小李子等

**自定义唤醒词**:
在 `config.json` 中修改:
```json
{
  "wake_word": {
    "keywords": ["小度", "你好"]
  }
}
```

## 安全提示

**重要**: 请勿将包含真实 API 密钥的 `config.json` 提交到版本控制！

- 使用 `config.example.json` 作为模板
- 真实的 `config.json` 已被 `.gitignore` 排除
- 生产环境建议使用环境变量存储敏感信息

## 跨平台特性

### 音频处理
- **Windows**: DirectSound + WASAPI
- **Linux**: ALSA + PulseAudio  
- **macOS**: Core Audio

### 文件路径
- 自动检测操作系统
- 统一使用 `pathlib.Path` 处理路径

## 目录结构
```
smart-speaker/
├── main.py              # 主程序入口
├── config.example.json  # 配置模板
├── config.json          # 配置文件（gitignore）
├── voice_recognition.py # 语音识别模块（Vosk）
├── tts.py               # 文本转语音模块  
├── wake_word_vosk.py    # 唤醒词检测模块
├── audio_noise_filter.py # 音频噪声过滤模块
├── bailian_client.py    # 阿里云百炼客户端
├── conversation_manager.py # 对话管理器
├── models/              # AI模型目录
├── requirements.txt     # Python依赖
├── LICENSE              # MIT许可证
└── README.md            # 本文件
```

## 贡献指南

欢迎提交 Issue 和 Pull Request！

1. Fork 本仓库
2. 创建特性分支 (`git checkout -b feature/AmazingFeature`)
3. 提交更改 (`git commit -m 'Add some AmazingFeature'`)
4. 推送到分支 (`git push origin feature/AmazingFeature`)
5. 创建 Pull Request

## 许可证

本项目采用 MIT 许可证 - 详见 [LICENSE](LICENSE) 文件

## 致谢

- [Vosk](https://alphacephei.com/vosk/) - 离线语音识别
- [Edge-TTS](https://github.com/rany2/edge-tts) - 微软 Edge 语音合成
- [PyAudio](https://people.csail.mit.edu/hubert/pyaudio/) - 音频 I/O