有没有朋友想一起拼一个 chatgpt 蓝牙音箱

[Jackyxiaoc]

如果是只有一个人玩玩，搞一个能链接 chatgpt 的蓝牙音箱有点划不来，有朋友们想用的么，如果想玩的人多了，就开个团搞搞。预计成本 300 左右。

产品名称
chatgpt 蓝牙音箱

需求描述
该产品由树莓派和国产蓝牙音箱组成。
树莓派链接 chatgpt 接口，为用户提供语音服务。
该 chatgpt 蓝牙音箱服务端部署在用户自身的微软云账号上。
该 chatgpt 音箱主要用到微软云的 serverless 和语音转换等接口。
用户第一次使用该 chatgpt 的蓝牙音箱时，需在页面填充 openai 和微软云的 key 。
该产品无广告。

产品介绍：这是一款由树莓派和国产蓝牙音箱组成的产品，旨在为用户提供与 ChatGPT 语音服务的连接。它可以通过蓝牙连接到其他设备，使您可以享受到 ChatGPT 提供的语音服务。对于该 ChatGPT 蓝牙音箱，您需要将树莓派与 ChatGPT 接口连接起来，以提供语音服务。 服务端部署在您自己的 Microsoft 云账户上，其中使用了微软云的 serverless 和语音转换等接口。 第一次使用该 ChatGPT 蓝牙音箱，您需要在页面上填写 OpenAI 和 Microsoft 云的 API Key 。我们相信这款产品将会给您带来非常好的用户体验。

[ropzislaw]

这个 idea 我也有过，最后被劝退了
1. 需求多了生产线怎么弄，如何保证自己的生产线成本低
2 延迟和输出延迟
3 实时数据缺失

[Jackyxiaoc]

@mway 感谢。
@luckjoe680 小爱的智能水平和 chatgpt 不太一样。
@lloovve 感谢，我研究下。
@musi 在家常驻使用比较舒服。
@Tink 确实是个好办法，感谢。
@yuchenxing 我研究下路径，如果可以的话，一起拼个单，组好了大家用，成本就下来了。
@hoky 还是得有稳定的通道。
@totoro625 长时间接着电源的小音箱在家小朋友什么的好玩。感谢，我研究下。
@Biluesgakki 流式的话，这个得研究下。大概 10 个字一读会不会好点。
@timeance 感谢支持，我研究下。
@yfmir 估计得内置一个通道才行。
@aeli 目前看是的。看看有没有更好的解决方案。
@zagfai 如果更智能应该是个更好的体验。
@ropzislaw 只是一个初步想法，天猫精灵的话二手成本是挺低的。如果单纯是树莓派的解决方案，树莓派也不会很贵。延迟这个通道可以解决。实时数据的话，可以导入谷歌的。

感谢各位大佬们的建议。

[tags]

不错不错，可以先在 linux 虚拟机上把系统搭起来，后面用啥硬件平台可以再说

[Socrazy]

Siri 上用了，其实很无聊，简单问题还行，太长的听起来很累

[freetree]

华强北听到了你的呼求😁

[yulgang]

想法不错，但是树莓派成本有点高。。

[lambdaq]

@Socrazy 可以进一步搞点人设的 prompt 吧

[yulgang]

如果你能开源的话，大家喜欢，可能会衍生出多个版本，不过一定会有人用你的开源代码拿去赚钱。😂

[Jackyxiaoc]

@tags 对，可以先测试下反应速度啥的，看看这些问题能否解决。
@Socrazy 感谢，我先试试。
@freetree 哈哈哈哈，如果有成品了直接买也是不错，不用自己折腾了。
@yulgang 树莓派确实成本有点高，不过开源代码拿去赚钱这个国内很常见了。
@lambdaq 对的。

[dangyuluo]

直接用 Siri 就可以接入 ChatGPT 了

[Jackyxiaoc]

@dangyuluo 不知道咸鱼上 300 的 6s 能不能跑，如果可以的话，也是不错的选择。

[cloudzqy]

这种自己走微软云文字转语音的，一般用什么方案识别关键字然后开始对话呀，如果一直开着的话，微软云也挺贵的。

[westoy]

做公开服务成本太高了吧

京东的那个叮咚音箱都倒闭了.......

[zapper]

看了一下（可能是生成的）产品介绍。发现好像没说如何正确地拾音给 chatgpt

所谓悲观者常常正确，乐观者往往成功。如果能接入插件将绝杀

[tags]

唤醒词本地离线模型就能跑

[Jackyxiaoc]

@cloudzqy ， @tags 大佬提供的方案是本地模型去识别关键词。谢谢 @tags 。
@westoy 公司去做估计是难，利润空间不大，这个只是想做着自己玩玩的，给家里人也体验下 chatgpt 。
@zapper 有道理。

[webdesigner]

从我使用 gpt 连接 siri 的体验来看，这个项目做出来体验会很差。api 目前要么用 sse 逐字输出，要么牺牲响应时间等待全部结果。逐字输出文字转语音效果会很差，一个一个字朗读。等待全部结果在朗读，用户响应时间特别长，你无法想象当你问完一个问题，就得等待十几秒钟来告诉你答案。如果这个方案可行，大厂早就整出来了。

[hanguofu]

@tags : 本地离线模型是指 whisper 吗 ？有没有更好的？

[wellqq]

按你目前的阶段，感觉离成品还有一些路要走，不过有出来体验好我会买，有众筹通知一下

[fresco]

一直在找能语音对话的 app ，这个想法不错，成本低点就好了