Assistente de IA Deepseek "sempre ativo": criação de um sistema de interação de voz inteligente baseado no Deepseek-V3

Introdução geral

O Always-On AI Assistant é um projeto inovador de assistente de IA que cria um sistema de assistente de IA avançado e permanentemente on-line por meio da integração de tecnologias avançadas, como Deepseek-V3, RealtimeSTT e Typer. O projeto é especialmente otimizado para cenários de desenvolvimento de engenharia, fornecendo uma interface de interação de voz completa e uma estrutura de execução de comandos. O sistema adota um design modular e inclui uma interface básica de bate-papo de assistente e um sistema avançado de comando de sessão de assistente Typer, com suporte para reconhecimento de fala em tempo real e funções de conversão de texto em fala. Ao integrar a tecnologia de síntese de fala da ElevenLabs e os recursos de reconhecimento de fala em tempo real do RealtimeSTT, o projeto oferece aos desenvolvedores um paradigma completo de desenvolvimento de assistentes de IA, tornando mais fácil e eficiente a criação de assistentes de voz inteligentes.

Lista de funções

• Sistema de reconhecimento e resposta de fala em tempo real
• Mecanismo de diálogo inteligente baseado no Deepseek-V3
• Estrutura de execução de comandos Typer personalizável
• Suporte à operação em vários modos (padrão, execução, execução sem memória)
• Sistema de gerenciamento de memória dinâmica (Scratchpad)
• Arquitetura de assistente altamente configurável
• Suporte ao reconhecimento de fala nativo
• Integração de síntese de fala de alta qualidade da ElevenLabs
• Sistema de modelo de comando extensível
• Capacidade de sessão interativa em tempo real

Usando a Ajuda

1. configuração ambiental

1.1 Configuração básica

• Primeiro, clone o projeto localmente
• Copie o arquivo de configuração do ambiente: execute cp .env.sample .env
• Atualize a chave da API:
  • Definir DEEPSEEK_API_KEY (para acesso ao modelo de IA)
  • Configuração de ELEVEN_API_KEY (para síntese de fala)
• realizar uv sincronização dependência de sincronização
• Opcional: instale o Python 3.11 (usando o comando uv python install 3.11)

1.2 Requisitos do sistema

• Python 3.11 ou posterior.
• Conexão de rede estável
• Equipamento de microfone (para entrada de voz)
• dispositivo de saída de áudio (computador)

2. descrição do uso das principais funções

2.1 Interface básica do Assistant Chat

• Comando de início:uv run python main_base_assistant.py chat
• Isso abre uma tela de diálogo básica
• É possível a interação direta por texto ou voz
• Resposta de voz usando TTS nativo

2.2 Sistema de comando de sessão do assistente do digitador

• Comando de início:

uv run python main_typer_assistant.py awaken --typer-file commands/template.py --scratchpad scratchpad.md --mode execute

• Descrição do parâmetro:
  • --typer-file: especifica o local do arquivo de modelo de comando
  • --scratchpad: define o arquivo de memória dinâmica do assistente
  • --mode: define o modo de execução (padrão/executar/executar-sem-raspagem)

2.3 Interação com assistentes

• Um alerta claramente pronunciado para a "Ada".
• Diga instruções, por exemplo, "Ada, faça um ping no servidor e aguarde uma resposta".
• O assistente reconhece a fala em tempo real e executa os comandos adequadamente
• Os resultados da execução são registrados no arquivo scratchpad.md

3. descrição dos componentes arquitetônicos

3.1 Arquitetura do Typer Assistant

• Brain: usando o Deepseek V3 como o principal mecanismo de IA
• Manuseio de tarefas: definido por meio de prompts/typer-commands.xml
• Memória dinâmica: gerenciamento de estado usando scratchpad.txt
• Reconhecimento de fala: conversão de fala em texto em tempo real usando o RealtimeSTT
• Síntese de fala: a integração com o ElevenLabs fornece saída de fala natural

3.2 Arquitetura do Assistente de Infraestrutura

• Mecanismo principal: usando ollama:phi4
• Design simplificado: sem necessidade de dicas extras ou memória dinâmica
• Reconhecimento de fala: também usando o RealtimeSTT
• Saída de voz: usando o sistema TTS local

4. configuração avançada de recursos

• As configurações do Assistente podem ser personalizadas por meio do arquivo assistant_config.yml
• Suporte para adicionar comandos personalizados do Typer
• Os parâmetros de reconhecimento e síntese de fala podem ser ajustados
• Suporte para a extensão de novos módulos funcionais