AI-Sphere-Butler 的项目扩展与二次开发
2025-05-24 01:29:07作者:冯爽妲Honey
AI-Sphere-Butler 是一个开源项目,旨在创造一个全方位服务于用户全场景的 AI 全能管家——代号“小粒”。该项目提供了一个与远程视频通话中的真人几乎无异的体验,具备思考、情感交流、视觉、听觉以及模拟触觉反馈等能力。项目功能覆盖智能家居控制、情感陪伴、学习交流、健康管理、安全防护、个人购物、外出导航及酒店预订等多个方面。此外,项目还可以代理主人进入 AI 世界与 AI 网络互联,和其他用户的虚拟管家或者虚拟个体交互。
项目的核心功能
AI-Sphere-Butler 的核心功能包括:
- 虚拟形象模块:打造高度逼真的虚拟形象,实现面部表情动态、自然动作模拟及多设备适配。
- 语音交互模块:搭建高精度语音识别、自然语言理解(NLU)和人类语音合成(TTS)系统。
- 情感计算与心理支持模块:通过情感分析理解用户情绪,并提供适当的心理互动或安慰。
- 智能家居与物联网模块:支持主流的智能家居协议和设备对接,实时控制和建议。
- 学习与知识模块:提供知识共享和学习支持服务,包括个性化推荐、语言学习助手等。
- 健康与安全模块:结合健康监测设备,提供健康建议、紧急响应服务。
- 跨平台兼容性模块:确保 AI-Sphere-Butler 可在电视、平板、手机、车载设备等多种终端上呈现。
项目使用了哪些框架或库?
AI-Sphere-Butler 项目使用了以下框架或库:
- 后端:FastAPI(API接口制作和调用)、Nginx。
- 数据库:SQLite、Redis。
- 容器化:Docker 用于模块的部署和扩展。
- 虚拟形象模块:wav2lip(形象制作)、LiveTalking。
- 视觉交互模块:OpenCV、OCR。
- 语音交互模块:FunASR、腾讯云 ASR、火山 TTS、gpt-sovitsTTS(声音克隆)、cosyvoiceTTS、Hugging Face、Transformers。
- 大模型交互模块:Langchain 框架、Ollama 框架、大模型(多模态)LoRA 微调训练、Embedding 模型、提示词工程。
- 智能家居与物联网模块:MQTT、Home Assistant。
- 跨平台兼容性模块:React Native、Flutter、WebRTC。
项目的代码目录及介绍
项目的代码目录如下:
core/
docs/
images/
modules/
iot_control/
scripts/
.gitignore
LICENSE
requirements.txt
setup.py
core/:项目核心模块代码。docs/:项目文档。images/:项目相关图片资源。modules/:项目模块代码,如iot_control。scripts/:项目相关脚本。.gitignore:Git 忽略文件列表。LICENSE:项目许可证。requirements.txt:项目依赖库列表。setup.py:项目配置文件。
对项目进行扩展或者二次开发的方向
对 AI-Sphere-Butler 进行扩展或者二次开发的方向包括:
- 增加更多功能模块,如音乐播放、视频播放、游戏互动等。
- 优化现有模块的性能和稳定性。
- 开发更多跨平台兼容性模块,如适配更多智能设备。
- 与其他开源项目进行集成,如与智能家居平台、在线教育平台等。
- 开发更多个性化服务,如根据用户习惯推荐内容、定制虚拟形象等。
总之,AI-Sphere-Butler 项目具有很大的扩展和二次开发潜力,欢迎广大开发者一起参与共建,为用户提供更加智能、人性化的服务。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
308
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.81 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.19 K
653
仓颉编程语言运行时与标准库。
Cangjie
141
878