小蓝AI:请打开语音交流

原创 一乐 蓝莺IM 2024-04-16 21:16 北京

小蓝AI会讲话了,来听听她的声音吧👩

构建智能应用,多模态是重要特性,阅读本文了解如何使用以及组装你自己的AI。

当然,画画的能力也一样。你也可以来试试DALL·E的超强绘图能力,也可以替换成你自己的画图服务。

上一篇文章里,我们谈到智能应用的一个重要特性是多模态,因为媒介的改变对通讯类APP的影响是巨大的,这一点,想一下语音对讲对微信的重要性就很容易理解。

过去一段时间里,语音文本转换技术一直是重投入的AI技术加上大量垂直场景的训练才行,这就为拥有该技术的公司建立了巨大的壁垒。然而现在已经是AGI的时代,跟所有其他AI技术一样,语音文本转换的技术也不可避免要被大模型取代。

今天我们介绍的,就是使用大模型AI服务的语音文本转换接口来构建智能应用。

一张由小蓝AI生成的关于小蓝AI会讲话的图
一张由小蓝AI生成的关于小蓝AI会讲话的图

也如前文所述,我们在实现某个功能的时候,除了功能本身外,还会考虑企业开发者实现的难度以及替换的灵活性,所以这次依然也做了几件事:

  1. 对接大模型AI的语音文本转换接口ASR/TTS;

  2. 将这个功能以插件形式实现,保证功能可以在任何组件内使用;

  3. 全平台支持,将多模态支持扩展到微信公众号以及微信中;

下面我们分别介绍这些工作,同时为了参照理解,会附上相关服务的截图,感兴趣的同学可以在平台上直接试用。

1. 语音文本转换

语音文本转换其实包含了两个场景,一个是语音转文本,即语音识别(Automatic Speech Recognition,ASR),另一个是语音生成,即文本转语音(Text to Speech,TTS)。

在实际应用中,一个是处理用户输入,一个是输出给用户。所以,我们设计也将其分为了两部分,也就是你在配置Chatbot里可以看到的两部分,识别用户语音和生成AI语音:

配置Chatbot
配置Chatbot

2. 插件实现

前面的图也可以看到,我们将语音文本放在了插件里,你可以通过开通插件来启用功能。当然也不要怕,我们已经将其做成公共插件,可以在智能插件服务里随时导入并定制。

将语音生成做成插件后,你就可以通过配置插件里修改语音清晰度以及音色选择,这里还是以OpenAI为例:

配置插件:语音生成
配置插件:语音生成

因为是普通插件设计,也就意味着可以随时通过修改插件配置,直接替换使用其他的大模型AI服务,而不需要业务层任何改动。

3. 全平台支持(微信/公众号)

作为一个智能应用框架,还有一部分工作是方便应用落地,自然的也加入了对接系统的支持。也就是说,你在微信公众号中的AI客服,和使用AI支持的微信号,都可以默认启用者两个功能了。

蓝莺IM微信公众号聊天
蓝莺IM微信公众号聊天
AGIA实战营群内聊天
AGIA实战营群内聊天

后记

最近大模型热度稍有降低,企业内AI落地开始明显增多,制造业里很多企业也开始拥抱企业知识服务。

当然这里面有政策的引导,各地也不断有文件出台需要促进AI的应用,但本质上还依赖于企业的思考。

虽然AI在业务中如何开展尚需要一些实践探索或检验,但至少有两个问题是企业想清楚了的。一是未来的业务中肯定会使用人工智能技术提高效率,二是企业知识服务是最不可能出错的基础设施,它能够明确带来企业内效率的提升,也是其他AI服务的基础。

还是那句话,现在,以及相当长时间的未来,最重要的是还是找到产品与AI的最佳结合方式。

如果你希望与我们一起探索智能应用的无限可能,欢迎添加「小蓝会聊天」微信进群:

扫码添加小蓝会聊天
扫码添加小蓝会聊天

本文内容已进入小蓝文章知识库,可使用蓝莺 Link 提问:

https://lanying.link/00h0vp

关于蓝莺IM

蓝莺IM是新一代智能聊天云服务。

企业可以通过集成蓝莺IMSDK,同时拥有Chat和AI两大功能,当前AI引擎已支持ChatGPT(包括OpenAI和Microsoft Azure)、Anthropic Claude、Minimax、百度文心一言、智谱AI,讯飞星火、阿里通义千问陆续接入中。

我们会持续分享关于智能聊天ChatAI、大模型技术进展、AI Agent设计等方面的内容,也会分享典型AI应用案例,扫码关注不失联:

打造新一代智能聊天APP,使用蓝莺IM SDK!
打造新一代智能聊天APP,使用蓝莺IM SDK!

© 2019-2024 美信拓扑 | 官网 该文件修订时间: 2024-06-13 07:37:08

results matching ""

    No results matching ""