4.6 KiB
Executable File
4.6 KiB
Executable File
语音交互模式说明
项目概述
py-xiaozhi是一个智能语音交互助手，支持多种操作模式和功能，包括语音对话、物联网设备控制、视觉识别等功能。本文档主要介绍语音交互的基本使用方法。
语音交互模式
语音交互支持两种模式，您可以根据实际需求选择合适的交互方式：
1. 长按对话模式
- 操作方法：按住说话按钮，松手发送
- 适用场景：短句交流，精确控制对话开始和结束时间
- 优点：避免误触发，控制精确
- 快捷键：Alt+Shift+V（按住说话）
2. 自动对话模式
- 操作方法：点击开始对话，系统自动检测语音并发送
- 适用场景：长句交流，无需手动控制
- 优点：解放双手，自然交流
- 界面提示：显示"聆听中"表示系统正在接收您的语音
- 快捷键：Alt+Shift+A（开始自动对话）
模式切换
- 在GUI界面右下角显示当前模式
- 点击按钮可以切换模式
- 通过Alt+Shift+M快捷键切换模式
- 可以通过配置文件设置默认模式
对话控制
打断功能
当系统正在语音回复时，您可以随时打断：
- GUI模式：使用Alt+Shift+X或界面上的打断按钮
- CLI模式：使用F3键
系统托盘
GUI模式下支持系统托盘功能：
- 状态指示：托盘图标颜色反映当前系统状态
- 绿色：已启动/待命状态
- 黄色：聆听中状态
- 蓝色：说话中状态
- 红色：错误状态
- 灰色：未连接状态
- 最小化：关闭窗口时自动最小化到系统托盘
- 退出：右键点击托盘图标选择"退出程序"完全退出应用
状态流转
语音交互系统有以下几种状态：
+----------------+
| |
v |
+------+ 唤醒词/按钮 +------------+ | +------------+
| IDLE | -----------> | CONNECTING | --+-> | LISTENING |
+------+ +------------+ +------------+
^ |
| | 语音识别完成
| +------------+ v
+--------- | SPEAKING | <-----------------+
完成播放 +------------+
- IDLE：空闲状态，等待唤醒词或按钮触发
- CONNECTING：正在连接服务器
- LISTENING：正在聆听用户语音
- SPEAKING：系统正在语音回复
快捷键一览
| 功能 | 快捷键 | 说明 |
|---|---|---|
| 按住说话 | Alt+Shift+V | 按住进行录音，松开发送（仅手动模式） |
| 自动对话 | Alt+Shift+A | 开始自动对话（自动检测语音并发送） |
| 打断对话 | Alt+Shift+X | 打断当前AI正在进行的回复 |
| 切换模式 | Alt+Shift+M | 在手动对话/自动对话模式间切换 |
语音命令
系统支持多种语音命令，以下是常用命令示例：
基础交互
- "你好"/"你是谁" - 基础打招呼和身份询问
- "谢谢"/"再见" - 礼貌用语
物联网控制
- "打开/关闭客厅的灯" - 控制灯光
- "播放 菊花台 通过iot音乐播放器播放" - 开始播放音乐
视觉识别
- "打开摄像头" - 开启摄像头
- "识别画面" - 分析当前画面
- "识别到了什么" - ai播放识别的内容
- "关闭摄像头" - 关闭摄像头
运行模式
GUI 模式运行（默认）
python main.py
CLI模式运行
python main.py --mode cli
构建打包
使用PyInstaller打包为可执行文件：
# 各平台通用命令
python scripts/build.py
平台兼容性说明
- Windows: 完全支持所有功能
- macOS:
- 系统托盘显示在顶部状态栏，而非任务栏
- 快捷键使用可能需要系统权限授权
- Linux:
- 系统托盘支持可能因桌面环境(GNOME/KDE/Xfce等)有所不同
- 部分发行版可能需要安装额外的系统托盘支持包
最佳实践
- 清晰发音：确保在安静环境中清晰发音
- 适当停顿：句子间适当停顿有助于系统识别
- 使用唤醒词：开启唤醒词功能，可以避免误触发
- 查看反馈：注意界面状态提示，了解系统当前状态
- 简洁命令：使用简洁明了的命令获得更好的识别效果
获取帮助
如果遇到问题：
- 优先查看 docs/异常汇总.md 文档
- 通过 GitHub Issues 提交问题
- 通过 AI 助手寻求帮助
- 联系作者(主页有微信)（请自备 Todesk 链接并说明来意，作者工作日晚上处理）