前面我们讲了怎么用CSK6大模型开发板做一个桌面机器人充当AI语音助理,近期上线超拟人方案,不仅大模型语音最快可以1秒内回复,还可以让我们的桌面机器人使用超拟人音色、具备声纹识别等能力,本文以csk6大模型开发板为例实操怎么把超拟人音色用起来。
演示视频:
超拟人语音极速回复演示视频
硬件准备
- 首先在CSK6大模型开发板上使用超拟人

2.加载成功后的待机界面

大模型处理流程配置
- 登陆聆思平台(LSPlatform)平台,点击应用模板中心,在定制开发标签下选择超拟人极速语音交互模板点击添加应用按钮。给应用命名后点击确认创建应用。

2.完成创建后找到刚创建的应用,点击编排应用进入可视化应用编排界面

3.在编排界面可以看到对应节点,整套流程包含快速响应、声纹识别、知识库问答、兜底闲聊、超拟人TTS等功能

流程解析如下:
a)用户发起交互后,会进行ASR语音转文字和声纹识别,当前声纹能力支持成年人男女、儿童男女四种身份识别,模型能基于不同身份分析提供不同的个性化回复。
b)完成识别后,若产品有配置知识库,会优先基于知识库问题匹配阈值,大于阈值则优先基于知识库内容问答,小于阈值再进入意图分类。
c)流程中提供了落域、改写、拆解模型,进行意图处理,意图分类后将进入对应流程。
d)如对话意图属于天气、计算器、日期查询等AIUI技能,则会落域到AIUI链路,进行技能回复。
e)如对话意图属于闲聊、开放性问答、搜索意图,则会进入大模型调用链路。最后通过一系列系统决策,进行超拟人合成。
4.如果要更换发音人,可以在【发音人配置】节点进行调整,对应的音色配置参数如下
|------|---------------------|
| 音色 | 发音人参数 |
| 成人女声 | x4_lingxiaoyue_oral |
| 成人女声 | x4_lingxiaoqi_oral |
| 成人男生 | x4_lingfeizhe_oral |
| 儿童女声 | x4_lingyouyou_oral |
5.如要挂载自建大模型知识库,可以在【知识库召回配置】节点填入自建的知识库ID,
(关于自建RAG知识库的方法可以参考前面发的实操三步接入RAG知识库的文章)

6.如要把AIUI平台的其他语音技能接入,可以在【AIUI配置】节点填入对应的信息

产品信息配置
- 新建产品:在产品管理模块点击新建产品按钮,并按要求填写你的产品名称。

2.配置应用:把前面配置好的大模型流程关联到产品管理模块

3.开发板绑定云端产品ID
1)设备ID(chip ID)是一个产品下的唯一设备标识,我们需要获取当前设备ID方便后续在云端配置,才能让设备鉴权通过实现端云交互。在屏幕上方下滑,进入以下操作:

2)点击右下角扫码接入按钮调出相机,将 LSPlatform 待接入的产品二维码置于屏幕绿色扫描框内,完成扫描后,请在应用配置信息处检查product_id和secret_id是否已更新:

4.云端绑定:在【设备管理】页面添加设备ID

测试/部署
完成以上步骤,验证成功后即可正式发布。
打开前文创建的应用,击部署生产,然后重启开发板即可。

语音交互使用超拟人音色后,发音更接近人类的语音表达和情感交流能力,因此在更多场景中能够提供更好的用户体验,如智能客服、语音助手、有声阅读、陪伴机器人等,能够人带来更加温暖、亲切、自然的交互感受,进一步拓展语音合成技术的应用范围和深度
本文使用的聆思CSK6 大模型开发板详细信息可参考线上文档套件简介 | 聆思文档中心,解锁更多玩法、例如更换大模型、添加私有知识库、自定义流程、控制设备等请参考之前发布的博客,也可以私信、评论或在技术群交流。