110 lines
2.4 KiB
Markdown
110 lines
2.4 KiB
Markdown
# 语音交互网页
|
||
|
||
基于 Qwen2-Audio 的语音对话网页，点击按钮录音，AI 实时回复。
|
||
|
||
## 端口
|
||
|
||
- **服务端口**: 19019
|
||
- **模型服务**: 19018（需要单独部署）
|
||
|
||
## 功能
|
||
|
||
- 点击按钮录音（再次点击停止）
|
||
- 录音状态可视化（波形动画）
|
||
- 多轮对话支持
|
||
- 服务状态检测
|
||
- 清除对话功能
|
||
|
||
## 架构
|
||
|
||
```
|
||
┌─────────────┐ ┌─────────────────┐ ┌───────────────────┐
|
||
│ 浏览器前端 │ ──── │ 本机后端(19019) │ ──── │ 模型服务(19018) │
|
||
│ (录音/播放) │ HTTP │ (转发代理) │ HTTP │ (Qwen2-Audio) │
|
||
└─────────────┘ └─────────────────┘ └───────────────────┘
|
||
```
|
||
|
||
## 部署
|
||
|
||
### 1. 安装依赖
|
||
|
||
```bash
|
||
pip install -r requirements.txt
|
||
```
|
||
|
||
### 2. 启动模型服务（另一台电脑）
|
||
|
||
参考 `qwen-audio-server` 项目，在 GPU 机器上部署。
|
||
|
||
### 3. 启动网页服务
|
||
|
||
```bash
|
||
# 默认端口 19019
|
||
python main.py
|
||
|
||
# 或指定模型服务地址
|
||
MODEL_SERVICE_URL=http://192.168.2.5:19018 python main.py
|
||
```
|
||
|
||
### 4. 访问网页
|
||
|
||
```
|
||
http://localhost:19019
|
||
```
|
||
|
||
## 环境变量
|
||
|
||
| 变量 | 说明 | 默认值 |
|
||
|------|------|--------|
|
||
| PORT | 服务端口 | 19019 |
|
||
| MODEL_SERVICE_URL | 模型服务地址 | http://localhost:19018 |
|
||
|
||
## API 接口
|
||
|
||
### 语音对话
|
||
|
||
```bash
|
||
POST /api/voice/chat
|
||
Content-Type: multipart/form-data
|
||
|
||
参数:
|
||
- audio: 音频文件
|
||
- conversation_id: 对话ID（可选）
|
||
|
||
返回:
|
||
{
|
||
"reply": "AI回复文本",
|
||
"conversation_id": "xxx",
|
||
"timestamp": "..."
|
||
}
|
||
```
|
||
|
||
### 服务状态
|
||
|
||
```bash
|
||
GET /api/status
|
||
|
||
返回:
|
||
{
|
||
"status": "ok",
|
||
"model_service": "http://...",
|
||
"model_online": true
|
||
}
|
||
```
|
||
|
||
## 前端功能
|
||
|
||
| 功能 | 说明 |
|
||
|------|------|
|
||
| 录音按钮 | 点击开始/停止录音 |
|
||
| 波形动画 | 录音时显示动态波形 |
|
||
| 消息列表 | 显示对话历史 |
|
||
| 状态指示 | 模型服务连接状态 |
|
||
| 清除对话 | 重置对话历史 |
|
||
|
||
## 注意事项
|
||
|
||
1. 需要浏览器支持 MediaRecorder API（Chrome/Firefox/Edge）
|
||
2. 需要用户授权麦克风权限
|
||
3. 模型推理较慢（约10-30秒），请耐心等待
|
||
4. 录音格式为 WebM，模型服务会自动转换 |